OSCAR：面向组合图像检索的优化引导Agentic规划

组合图像检索（CIR）需要对异构的视觉与文本约束进行复杂推理。现有方法大体分为两类范式：统一嵌入检索，受单模型短视之苦；以及启发式agentic检索，受限于次优的试错式编排。为此，我们提出OSCAR，一个面向组合图像检索的优化引导agentic规划框架。我们首次把agentic CIR从启发式搜索过程重构为有原则的轨迹优化问题。OSCAR不依赖启发式试错探索，而是采用新颖的离线-在线范式。在离线阶段，我们通过原子检索选择与组合把CIR建模为两阶段混合整数规划问题，并借助严格的布尔集合运算，以数学方式推导出最大化训练样本真值覆盖的最优轨迹。这些轨迹随后被存入高质量轨迹库，作为上下文示例在在线推理时引导VLM规划器。在三个公开基准与一个私有工业基准上的大量实验表明，OSCAR持续优于SOTA基线。值得注意的是，它仅用10%的训练数据便取得更优性能，展示了规划逻辑的强泛化而非对特定数据集的记忆。