**Visual-Seeker：通过主动视觉推理实现视觉原生多模态代理搜索**

_Visual-Seeker: Towards Visual-Native Multimodal Agentic Search via Active Visual Reasoning_

> 多模态大模型在复杂开放场景中常因事实基础不足而受限。Visual-Seeker 通过主动关注细粒度视觉细节、动态收集视觉证据，并设计数据流水线生成 5K 高质量多模态搜索轨迹进行训练，在五个挑战性基准上取得最优性能，超越多个闭源模型，验证了视觉原生推理与搜索的有效性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-17 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.15231)