📖 AI 总结

苹果研究团队提出了一种名为“基于选择的结构化推理”（SSR）的新框架，旨在解决多模态搜索智能体在推理过程中效率低下的问题。传统智能体在每次行动前需生成自由形式的推理内容，而小模型因容量有限，往往产生冗长却无助于行动的推理，导致推理成本高昂。SSR将推理过程重新定义为“选择”而非开放式生成：模型从预设的可复用自然语言推理候选中，根据当前上下文选择最合适的推理路径，无需额外任务头。这种设计支持并行评分，通过教师强制预填充和共享上下文KV缓存，实现候选内及候选间的并行计算。研究团队在七个多模态搜索基准上，使用2B和4B模型进行评测，涵盖多种强化学习目标和监督微调。结果显示，SSR在任务表现不降的前提下显著提升效率：平均成功率与同规模领先搜索智能体相当，每轮推理延迟降低超过90%，每题总模型推理延迟减少28%至54%。该工作为构建高效多模态搜索智能体提供了新思路。