多模态智能体搜索的静默失败：诊断分类与跨裁判评估

多模态智能体搜索系统日益依赖外部工具回答知识密集的视觉问题。但现有评估主要关注最终答案准确率，可能漏掉搜索轨迹中的失败。本工作把这类隐性可靠性问题研究为静默失败。我们引入六类分类：模态捷径、幻影落地、错误证据—正确答案、过度检索洗白、跨模态矛盾与出处幻觉。基于该分类，我们构建轨迹级诊断管线，在统一的ReAct式治控下同时评估答案正确性与证据落地质量。在四个前沿多模态模型的MMSearch-Plus轨迹上的实验显示：表面准确率持续高估真实的轨迹级正确性。我们进一步以跨裁判验证、空白图像压力测试与工具消融证明：静默失败是能力依赖的，且常常是转移而非消失。主页：https://github.com/DingWu1021/silent-failures-multimodal-agentic-search。