论文研究 arXiv cs.CL Tue, 25 Aug 2026 正文 thin 4 words

MCite-RL：通过引文增强的智能体强化学习迈向可靠的多模态 RAG

英文标题：MCite-RL: Towards Reliable Multimodal RAG via Citation-enhanced Agentic Reinforcement Learning

论文 MCite-RL 关注带有视觉引文的多模态检索增强生成（RAG），旨在提升多模态大语言模型（MLLM）的可追溯性与可验证性。原摘要指出，现有 RAG 和基于监督微调（SFT）的方法难以实现稳健的跨模态推理，进而导致视觉引文不够精确。该工作尝试通过引文增强的 Agentic Reinforcement Learning 改善这一问题，对需要可信图文问答、证据溯源和多模态智能体能力的开发者具有参考意义。论文编号为 arXiv:2608.21808v1，发布类型为 new。

打开原文相关 8.8 · 机会 1