Today for AI
返回热点榜
agent热度 11.9°

AI 聚合热点事件 · 2026/10/15

CMU 提出 SSR 框架：将多模态搜索推理转为候选选择，小模型延迟降 90%

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/10/15 08:00:00
全景综述与最新动态
1 家信源交叉印证

卡内基梅隆大学等机构提出“基于选择的结构化推理”（SSR）框架，旨在解决小参数多模态智能体在生成自由形式推理时效率低下的问题。该框架将高频推理模式预定义为可复用的自然语言候选项，使模型通过计算似然值直接进行选择而非从头生成。实验表明，在 2B 和 4B 规模模型上，SSR 在保持任务成功率的同时，将每轮推理延迟降低超过 90%，整体推理延迟降低 28-54%。

最新动向/卡内基梅隆大学等机构提出“基于选择的结构化推理”（SSR）框架，旨在解决小参数多模态智能体在生成自由形式推理时效率低下的问题。该框架将高频推理模式预定义为可复用的自然语言候选项，使模型通过计算似然值直接进行选择而非从头生成。实验表明，在 2B 和 4B 规模模型上，SSR 在保持任务成功率的同时，将每轮推理延迟降低超过 90%，整体推理延迟降低 28-54%。

热度曲线逐小时热度走势

2 个完整观测小时
连续完整观测不足 3 个小时，暂不绘制趋势曲线。

TIMELINE报道时间线

共 1 篇 · 最新优先
  1. Apple Machine Learning ResearchT1·78 分

    CMU 提出 SSR 框架：将多模态搜索推理转为候选选择，小模型延迟降 90%

    原标题：Selection-Based Structured Reasoning: Toward Efficient Multimodal Search Agents

    • SSR 将开放式推理重构为从预定义候选集中进行的选择任务，消除了长文本生成的开销。
    • 利用共享上下文 KV Cache 并行计算候选项的 Token 似然值，实现无辅助头的快速评分。
    • 在 2B/4B 小模型的多模态搜索基准测试中，推理延迟降低超 90%，且未牺牲任务成功率。
CMU 提出 SSR 框架：将多模态搜索推理转为候选选择，小模型延迟降 90% | Today for AI