遏制 AI 幻觉：苹果 DeepMMSearch-R1 论文揭秘“图像裁剪”搜索术

针对现有AI模型在处理复杂视觉信息时常出现的“答非所问”或“漏看”问题，苹果推出了DeepMMSearch-R1模型。传统模型在面对“图中左上角那只鸟的最高时速是多少”这类复合问题时，往往因无法聚焦局部细节而给出错误的平均数据。DeepMMSearch-R1引入了独特的“视觉定位工具（GroundingTool）”，能够主动裁剪图片以剔除干扰信息，先精准识别微小目标，再进行针对性的网络搜索验证，从而确保答案的事实准确性。为确保模型仅在必要时才启用裁剪功能以节省算力，研究人员采用了“监督微调（SFT）+在线强化学习（RL）”的组合训练法。SFT负责教会模型“不乱剪”，而RL则提升了工具调用的效率。测试数据显示，该模型在处理需精准图文对应的问题上，表现显著优于目前的RAG（检索增强生成）工作流及基于提示词的搜索智能体，成功解决了AI在常识性事实检索中的“偷懒”现象。亚汇网附上参考地址广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，亚汇网所有文章均包含本声明。