IT之家 1 月 15 日訊息，科技媒體 Appleinsider 今天（1 月 15 日）釋出博文，報道稱蘋果發表重磅研究論文，詳細介紹名為 DeepMMSearch-R1 的 AI 模型，重點最佳化 AI 在複雜視覺場景下的搜尋邏輯，用“裁剪”治癒 AI 幻覺論文。
針對現有 AI 模型在處理複雜視覺資訊時常出現的“答非所問”或“漏看”問題，蘋果推出了 DeepMMSearch-R1 模型論文。傳統模型在面對“圖中左上角那隻鳥的最高時速是多少”這類複合問題時，往往因無法聚焦區域性細節而給出錯誤的平均資料。
DeepMMSearch-R1 引入了獨特的“視覺定位工具（Grounding Tool）”，能夠主動裁剪圖片以剔除干擾資訊，先精準識別微小目標，再進行針對性的網路搜尋驗證，從而確保答案的事實準確性論文。
為確保模型僅在必要時才啟用裁剪功能以節省算力，研究人員採用了“監督微調（SFT）+ 線上強化學習（RL）”的組合訓練法論文。SFT 負責教會模型“不亂剪”，而 RL 則提升了工具呼叫的效率。
展開全文
測試資料顯示，該模型在處理需精準圖文對應的問題上，表現顯著優於目前的 RAG（檢索增強生成）工作流及基於提示詞的搜尋智慧體，成功解決了 AI 在常識性事實檢索中的“偷懶”現象論文。
IT之家附上參考地址
