过程奖励

阿里巴巴 Accio 团队联合复旦大学、上海创新研究院提出 Neos，将数据构造、过程奖励与环境协同进化纳入统一训练框架，使 9B 与 35B 参数模型在四项代表性多模态搜索基准上接近顶尖闭源模型。其核心在于构造带视觉检查点的多跳任务，并通过四阶段过滤剔除捷径，让中间视觉证据真正影响智能体的下一步决策。