Selection-Based Structured Reasoning: Toward Efficient Multimodal Search Agents

多模态代理在执行每个动作前通常生成自由形式推理。小型模型因模型容量有限，可能导致推理过程冗长，虽能提供少量有用指导，但会带来较高的推理成本。为解决此问题，我们引入基于选择的结构化推理（SSR），该框架将推理转化为选择而非开放式生成。SSR将重复的高层推理表示为预定义、可复用的自然语言候选。在每一轮中，模型根据候选推理内容进行选择，以优化推理效率。