SenseNova-MARS: Empowering Multimodal Agentic Reasoning and Search via Reinforcement Learning
本条目由 AI 按收录标准筛选与撰写，经独立的 AI 核查在原文中逐条找到依据，未经人工审核；数字与结论以原文为准。
相关报告
收录理由
该报告为 arXiv 论文，提出 SenseNova-MARS 多模态智能体框架、BN-GSPO 强化学习算法与 HR-MMSearch 基准，含冷启动监督微调与 RL 两阶段训练，并声明将开源代码、模型与数据。
关键要点
- SenseNova-MARS 在推理中动态整合 image search、text search 与 image crop，以强化学习实现交错视觉推理与工具调用。
- RL 阶段采用 Batch-Normalized Group Sequence Policy Optimization（BN-GSPO）以改善多工具轨迹下的训练稳定性。
- HR-MMSearch 为面向高分辨率图像与知识密集型、搜索导向问题的评测基准。
- 冷启动监督微调在约 3,000 条多轮交互轨迹上建立基础工具使用模式。
- SenseNova-MARS-32B 在 V* Bench 得 94.2、HR-Bench 4K 得 90.2。
- 提供 SenseNova-MARS-7B、SenseNova-MARS-8B 与 SenseNova-MARS-32B 三个规模，基于 Qwen2.5-VL 与 Qwen3-VL 构建。