突破多模態資訊檢索瓶頸：Struct-Searcher 透過結構化代理思維與信念修正提升深度研究效能

Problem

現有的深度研究代理主要採用證據累積模型，僅進行線性的資訊整合，缺乏系統化的機制來處理不同模態（如文字與影像）之間相互矛盾的資訊。這導致在面對複雜的異質資料時，代理難以進行有效的深層邏輯判斷與知識整合。

Method

開發名為 Struct-Searcher 的結構化代理工作流。該架構以「信念修正理論」為核心，在推理過程中動態維護並更新一個多模態結構圖，使其具備衝突感知能力，能夠根據新證據持續調整對異質資料的理解與推理路徑。

Results

實驗證明 Struct-Searcher 具備隨插即用的模型無關特性，在五種主流模型上平均提升了 17.2% 的準確率。在 MM-BrowseComp 與 HLE-VL 等基準測試中，其表現皆超越了當前的視覺語言模型（VLM）與頂尖深度研究代理。

Significance

這項研究為多模態 AI 代理提供了嚴謹的結構化推理框架，將資訊獲取從單純的數據堆疊提升至具備衝突排解能力的知識建構層次，對於自動化科學研究與高複雜度資訊檢索任務具有重大的應用價值。