Struct-Searcher：主体结构思维推进多模态深度信息搜索

深度研究代理因其收集大规模在线信息以获取目标知识的能力而受到越来越多的关注，最近的努力从纯粹基于文本的信息搜索转向多模式设置。然而，现有的代理工作流程在很大程度上与证据积累模型保持一致，证据积累模型线性聚合证据，并且缺乏跨异构模式处理矛盾信息的原则性机制。为此，我们提出了 Struct-Searcher，这是一种基于信念修正理论的结构代理工作流程，它在整个推理过程中明确维护不断发展的多模态结构图，从而实现有效的冲突感知多模态深度信息搜索。跨多个基准数据集和主干模型的大量实验表明，Struct-Searcher 具有 (1) 即插即用和模型无关的特点，在五个不同主干上的 BrowseComp-VL 上平均相对准确度提高了 17.2%。 (2) 表现最佳、始终优于最先进的视觉语言模型 (VLM) 和深度研究代理，与第二好的竞争方法相比，MM-BrowseComp 的相对准确度提高了 3.7%，HLE-VL 提高了 1.5%，BrowseComp-VL 提高了 0.7%。