港科大在 NeurIPS 2026 发布新框架，核心解决现在 AI 智能体搜索到图片之后没法继续调用、复用图片的痛点，通过给每一张图分配独立编号，打通 AI 多工具之间的图像传递链路。目前很多多模态 AI 智能体，虽然可以通过图搜拿到图片，但搜索工具、放大工具、识别工具之间相互隔离，工具执行完一轮之后图片数据就丢失了，模型想要放大图片局部、二次识别这张检索出来的图像，无法直接传递原图，导致很多复杂图文任务中途中断。港科大这套视觉原生智能体框架，为检索获取的图片绑定唯一编号，各个工具可以凭借编号读取对应的图像，实现跨工具图片复用；同时搭配 On-policy Data Evolution（ODE）数据合成方法，用强化学习持续训练智能体，让模型自主判断什么时候继续搜索图片、什么时候回看已有编号图片，让 AI 智能体可以连贯完成包含图像检索、细节放大、图像理解的整套复杂任务，补齐多模态智能体工具链里图像流转的短板。
方案核心能力
- 图像编号机制：AI 搜索得到图片后，自动分配唯一编号，图片可以在多个 AI 工具之间传递复用
- 跨工具图像流转：搜索、放大、图像识别模块共用编号索引，不需要反复重新检索图片
- ODE 自迭代数据合成：基于智能体完整任务交互记录生成训练数据，持续优化模型调用图片的决策逻辑
- 适配智能体任务：支持链式任务，例如图搜定位地点→放大图片细节→识别图内物体，连贯执行
智能体调用带编号图片的工作流程
- 发起图像检索：AI 智能体执行图搜，从互联网检索匹配图片资源
- 图像分配编号：检索返回图片，框架自动为图片生成专属编号并缓存图像数据
- 跨工具引用图片：后续放大、识别等工具直接使用编号调取图片，无需再次搜索
- 任务决策判断：模型根据 ODE 训练策略，判断继续搜索新图片还是复用已有编号图片
- 结果整合输出：综合检索图片、图片识别信息，生成完整任务答案
【常见问题】
问题 1：NeurIPS 2026 港科大给图片编号，为什么能解决 AI 搜索图片用不了的问题？
回答 1：NeurIPS 2026 港科大这套方案给每张图片分配独立编号，让 AI 搜索得到的图片可以在不同工具之间传递调用，不再出现工具切换后图片丢失，解决 AI 搜索图片复用困难的问题。
问题 2：NeurIPS 2026 港科大图像编号方案搭配的 ODE 方法起到什么作用？
回答 2：NeurIPS 2026 港科大图像编号方案搭配 ODE 在线策略数据合成方法，基于智能体完整任务记录生成训练数据，训练模型判断何时搜索新图、何时复用带编号图片，提升多模态任务的连贯性。
问题 3：NeurIPS 2026 港科大的图像编号机制，能支持哪些 AI 智能体任务？
回答 3：NeurIPS 2026 港科大的图像编号机制，支持 AI 智能体完成图搜定位、图片放大查看细节、图像内容识别这类链式任务，在任务全程复用带编号的 AI 搜索图片。
【参考资料】
[2026-11-15]（NeurIPS 2026｜AI 搜索时搜到的图，为什么用不了？港科大给每张图编了号）新浪财经
[2026-11-15]（HKUST Visual-Native Agent Harness accepted by NeurIPS 2026）arXiv
【免责声明】
本文资讯内容仅作 AI 行业信息参考，不构成技术选型、项目开发、投资相关建议；港科大这套图像编号相关框架还属于学术研究成果，产品化落地效果、性能指标请以论文原文和港科大官方发布为准。