$ cat wiki/papers/2026/2610.12419-onesearch-vl.md
OneSearch-VL — 시각 자료 조사에서 추적 가능한 근거
TL;DR
OneSearch-VL은 시각적 기준점, 개체 관계, 인용된 사실, 답변을 만드는 연산을 공통 근거 그래프로 연결한다. 저자들은 이 그래프를 학습 데이터, RL 감독, 연산 수준 평가에 사용한다. (source)
저자와 소속
Hongyu Li, Manyuan Zhang, Kaituo Feng, Shu Chen, Dian Zheng, Hao Li, Hao Yu, Zhangquan Chen, Zoey Guo, Ray Zhang, Shaofei Huang, Tianrui Hui, Linjiang Huang, Si Liu. 최초 제출일은 2026-10-08이다. 수집한 초록 페이지에는 소속이 명시되어 있지 않다. (source)
방법
시각적으로 연결된 근거 그래프인 VGEG는 시각적 근거 연결, 외부 검색, 사실 조합 사이의 의존 관계를 보존한다. 데이터 엔진은 여러 이미지와 비디오에 대한 질문을 구성하고 검증하며 전문가의 실행 경로를 걸러 OneSearch-VL-SFT-110K와 OneSearch-VL-RL-10K를 만든다. 근거를 고려하는 시각적 연결 루브릭 보상인 EVGR은 RL 중 근거 추적 가능성과 시각적 연결을 감독한다. (source)
결과
OneSearch-VL-8B는 도구 접근 권한을 가진 Qwen3-VL-8B보다 OneSearch-MI-Bench에서 20.2퍼센트포인트, OneSearch-Video-Bench에서 17.6퍼센트포인트 향상됐다. 두 벤치마크 모두 이 연구에서 새로 도입했다. 초록은 7개 이미지 벤치마크와 VideoDR에서도 향상을 보고하지만 수치로 된 효과 크기는 제시하지 않는다. (source)
의의
Agents (LLM Agents) 관점에서 관찰, 검색한 출처, 답변 사이의 관계를 명시적인 학습 목표로 만든다. 해석: 이 방법은 올바른 최종 답변만으로 조사 과정이 타당하다고 간주하지 않고 근거의 추적 가능성을 다룬다. (source)
열린 질문
절대 점수, 추론 비용, 각 학습 구성 요소의 효과는 초록에 명시되어 있지 않다. 가장 큰 수치상 향상은 저자들이 만든 벤치마크에서 나왔으므로 독립적인 재현과 다른 과제에서의 평가가 여전히 중요하다. 논문 전문과 구현은 검토하지 않았다. (source)
인용
arXiv:2610.12419 · 코드 · (source)