首个Agentic多模态检索大模型来了！清华团队让AI边推理边主动看图，准确率提升23% (opens in new tab)

<p style="caret-color: rgb(0, 0, 0); color: rgb(0, 0, 0); line-height: 1.75; margin-top: 20px; margin-bottom: 20px;">近年来，随着多模态大语言模型（MLLM）的快速发展，研究者们开始尝试将其应用于通用多模态检索任务。与此同时，思维链（Chain-of-Thought，CoT）推理被引入检索领域，通过增强模型的推理能力来改善候选结果的排序。</p><p style="caret-color: rgb(0, 0, 0); color: rgb(0, 0, 0); line-height: 1.75; margin-top: 20px; margin-bottom: 20px;"></p><p style="caret-color: rgb(0, 0, 0); color: rgb(0, 0, 0); line-height: 1.75; margin-top: 20px; margin-bottom: 20px;">然而，一个重要问题始终未能得到解决：现有的推理过程本质...