IT之家 1 月 15 日消息，科技媒體 Appleinsider 今天（1 月 15 日）發(fā)布博文，報道稱蘋果發(fā)表重磅研究論文，詳細介紹名為 DeepMMSearch-R1 的 AI 模型，重點優(yōu)化 AI 在復雜視覺場景下的搜索邏輯，用“裁剪”治愈 AI 幻覺。
針對現(xiàn)有 AI 模型在處理復雜視覺信息時常出現(xiàn)的“答非所問”或“漏看”問題，蘋果推出了 DeepMMSearch-R1 模型。傳統(tǒng)模型在面對“圖中左上角那只鳥的最高時速是多少”這類復合問題時，往往因無法聚焦局部細節(jié)而給出錯誤的平均數(shù)據(jù)。
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信息，先精準識別微小目標，再進行針對性的網(wǎng)絡搜索驗證，從而確保答案的事實準確性。
為確保模型僅在必要時才啟用裁剪功能以節(jié)省算力，研究人員采用了“監(jiān)督微調（SFT）+ 在線強化學習（RL）”的組合訓練法。SFT 負責教會模型“不亂剪”，而 RL 則提升了工具調用的效率。
測試數(shù)據(jù)顯示，該模型在處理需精準圖文對應的問題上，表現(xiàn)顯著優(yōu)于目前的 RAG（檢索增強生成）工作流及基于提示詞的搜索智能體，成功解決了 AI 在常識性事實檢索中的“偷懶”現(xiàn)象。
IT之家附上參考地址
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。