Apple описала метод ускорения мультимодальных поисковых агентов
Apple представила SSR — подход, в котором небольшая модель выбирает подходящий вариант рассуждения из заранее подготовленного набора. В описанных испытаниях это сократило задержки инференса без ухудшения результата задач.
15 октября 2026 года Apple опубликовала исследование Selection-Based Structured Reasoning (SSR) для мультимодальных поисковых агентов. По описанию авторов, вместо свободной генерации цепочки рассуждений модель выбирает один из заранее заданных и повторно используемых вариантов с учётом текущего контекста.
Такой дизайн позволяет параллельно оценивать кандидатов: предварительная обработка с принудительным выбором токенов использует общий кэш контекста. Apple сообщает, что SSR проверили на семи мультимодальных поисковых бенчмарках с моделями размером 2B и 4B. В сочетании с разными целями обучения с подкреплением и дообучением с учителем метод показал сопоставимую среднюю успешность с поисковыми агентами того же масштаба.
Главный результат исследования — выигрыш по задержке. По данным Apple, задержка рассуждений на одном шаге снизилась более чем на 90%, а суммарное время инференса на один вопрос — на 28–54%. Практический смысл подхода — возможность уменьшить вычислительные издержки небольших моделей, не отказываясь от многошагового поиска.
Почему это важно
Если заявленные результаты воспроизводятся, выбор из структурированных вариантов может сделать небольшие мультимодальные агенты быстрее и дешевле в задачах поиска.
Источник: Apple Machine Learning Research · По данным официальной страницы Apple Machine Learning Research, опубликованной 15 октября 2026 года.