深度分析
多模態搜尋代理的「沉默失敗」：表面正確答案隱藏六類軌跡層級錯誤
多模態代理式搜尋系統仰賴外部工具回答視覺問題，但現有評估只關注最終答案是否正確，忽略了搜尋過程中可能發生的隱藏錯誤。研究者提出六類沉默失敗分類法，涵蓋模態捷徑、幻象接地、錯誤證據正確答案、過度檢索洗白、跨模態矛盾與來源幻覺。他們在統一框架下評估四款前沿多模態模型共800條軌跡，發現表面準確率持續高估真實軌跡層級正確率。
多模態搜尋
深度分析
電商搜尋新紀元：Pailitao-MMSearch 以生成式檢索整合多模態查詢
電商搜尋正從單純關鍵字轉向複雜的多模態互動。阿里巴巴推出 Pailitao-MMSearch 基座模型，透過 HybSID 混合語義 ID 方案將產品編碼為離散碼與連續嵌入，並利用兩階段持續預訓練與混合推理管線，在注入電商專業知識的同時保留通用推理能力。實測顯示，該模型在淘寶平台將 GMV 提升 13.61% 並增加交易量 8.21%，顯著優化了跨模態搜尋體驗。
深度分析
Google以Gemini 3.5 Flash導入多模態對話搜尋：從關鍵字到生成式介面
Google在第25年改造搜尋框，將單行關鍵字欄位變為可接受文字、圖片、PDF、影片與分頁的多模態對話入口，並以Gemini 3.5 Flash驅動、合併AI Overviews與AI Mode，讓搜尋從碎片關鍵字走向持續互動，可能改變流量與廣告分配。