M3Searcher：具备检索导向推理的模块化多模态信息获取代理

DeepResearch式代理的最新进展展示了在真实网络环境中自主获取与综合信息的强大能力。然而，现有方法从根本上仍局限于文本模态。将自主信息获取代理扩展到多模态设置带来关键挑战：大规模训练多模态工具使用模型时出现的专化-泛化权衡，以及刻画复杂多步多模态搜索轨迹的训练数据严重稀缺。为应对这些挑战，我们提出M3Searcher，一个模块化多模态信息获取代理，显式地将信息获取与答案推导解耦。M3Searcher用面向检索的多目标奖励优化，共同鼓励事实准确性、推理合理性与检索保真度。此外，我们开发MMSearchVQA，一个支持以检索为中心的RL训练的多模态多跳数据集。实验结果表明，M3Searcher超越现有方法，在复杂多模态任务中展现出强迁移适应性与有效推理。