DeepVoyager-VL

DeepVoyager-VL框架通过视觉循环推理增强多模态搜索

研究人员推出了DeepVoyager-VL，一个旨在增强长时域任务多模态深度搜索能力的新框架。该系统通过将视觉信息整合到中间推理过程中，而不是仅仅在输入或输出阶段，来解决当前多模态大语言模型（MLLMs）的局限性。DeepVoyager-VL构建了一个多模态事件图来合成数据，并采用一个智能体框架进行主动视觉获取，从而能够更有效地在复杂、演变的开放世界问题中进行长时域交互和推理。