HyperEyes: Agente di Ricerca Multimodale Parallelo con Addestramento Sensibile all'Efficienza

HyperEyes è stato presentato dai ricercatori come un agente di ricerca multimodale parallelo in grado di gestire più entità contemporaneamente in una singola interazione, a differenza degli agenti sequenziali tradizionali che affrontano una entità per chiamata strumentale. Questo sistema innovativo integra il grounding visivo e il recupero in un'azione unificata, dando priorità all'efficienza inferenziale nell'addestramento. L'addestramento avviene in due fasi: inizialmente, una Pipeline di Sintesi Dati Parallel-Amenable produce dati di supervisione cold-start per query multi-entità visive e multi-vincolo testuali, utilizzando percorsi guidati dall'efficienza attraverso il Progressive Rejection Sampling. Una caratteristica chiave è il meccanismo Dual-Grained, che migliora sia l'efficienza a grana fine che a grana grossa. Questa ricerca è documentata in arXiv:2605.07177.