**OneSearch-VL：基于视觉证据图的统一多模态深度研究智能体**

_OneSearch-VL: Unified Multimodal Deep Research Agent for Image and Video_

> OneSearch-VL 提出了一种统一的多模态深度研究智能体，核心是视觉锚定证据图（VGEG），用于编码视觉定位、外部检索和事实组合之间的依赖关系。该模型通过 VGEG 构建数据引擎，生成 SFT 和 RL 数据集，并引入证据感知奖励机制以监督证据可追溯性。实验显示，OneSearch-VL-8B 在单图和多图基准测试中分别比 Qwen3-VL-8B 提升 20.2 和 17.6 个百分点，并在视频深度研究任务中取得显著进展。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.12419)