热点事件持续更新
MTA-Zero：在线 QA-Solver 协同训练提升多模态深度搜索
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 27 日，arXiv cs.CL 刊出论文《MTA-Zero：通过在线 QA-Solver 协同训练自我改进的多模态深度搜索》，提出 MTA-Zero 这一在线多模态 QA-Solver 协同训练框架。该框架的特点是无需预先构建多跳语料，即可让多模态深度搜索智能体在训练中自我改进。论文报告称，在六个多模态深度搜索 benchmark 上，Qwen3-VL-8B Solver 的平均准确率从 36.91% 提升至 51.58%；在相同的 agent 工作流下，其表现与 GPT-5 相当；Qwen3.6-27B Solver 的得分也提高了 10.82 分。目前披露的信息限于论文给出的方法与上述 benchmark 结果，尚无第三方复现或独立评测的报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
arXiv 论文披露：MTA-Zero 无需预构建多跳语料，八个字内...报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CLMTA-Zero：通过在线 QA-Solver 协同训练自我改进的多模态深度搜索
MTA-Zero 是在线多模态 QA-Solver 协同训练框架，无需预构建多跳语料即可自我改进多模态深度搜索智能体。在六个多模态深度搜索 benchmark 上，Qwen3-VL-8B Solver 平均准确率从 36.91% 升至 51.58%，同 agent 工作流下与 GPT-5 相当，Qwen3.6-27B Solver 也提升 10.82 分。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。