MMSearch-OPD：结合强化学习与策略蒸馏的多模态长程搜索方法

发生了什么

据arXiv cs.CV报道，研究团队提出MMSearch-OPD方法，结合可控数据精炼与联合强化学习（RL）及在线策略蒸馏（OPD）。该方法通过Refine管道扩展简单多模态问题的推理链，利用答案奖励和行为惩罚指导训练，旨在增强长程多模态深度搜索能力。