MIRA
面向可控图文报告生成的多模态深度研究Agent，通过生成契约串联证据收集、报告提交、反馈修订与最终交付四个阶段，支持文本与视觉证据的可追溯整合。
时间轴 (近 90 天)
MIRA的扰动尺度选择依赖互信息估计，在批次较小或类别极多时可能面临估计方差问题。
MIRA是一种无需源数据的在线测试时适应方法，通过轻量级末层高斯扰动探测预测可靠性。
MIRA仅复用一次特征提取过程，然后在源分类器周围采样多个扰动后的分类器，形成局部预测分布。
MIRA不拟合后验分布，而是将扰动尺度视为局部探测半径，并利用互信息和预测一致性为每个批次选择尺度。
MIRA采用互信息置信度加权的熵损失，降低对扰动敏感或低置信度样本的权重。
MIRA的加权机制即插即用，无需修改原有TTA流程结构，可与现有熵最小化TTA方法结合。
在分布偏移基准上的实验表明，MIRA在准确率、校准性和负对数似然上均有改善。
MIRA无需源数据、重新训练、模型集成或离线后验拟合。
MIRA目前基于末层高斯扰动，对于更复杂的分布偏移或非分类任务，其泛化能力有待验证。
MIRA是一个面向可控报告的多模态图文深度研究Agent。
还有 8 条时间轴事件
全部知识事实 (17)
MIRA的扰动尺度选择依赖互信息估计，在批次较小或类别极多时可能面临估计方差问题。
50%待验证MIRA是一种无需源数据的在线测试时适应方法，通过轻量级末层高斯扰动探测预测可靠性。
50%待验证MIRA仅复用一次特征提取过程，然后在源分类器周围采样多个扰动后的分类器，形成局部预测分布。
50%待验证MIRA不拟合后验分布，而是将扰动尺度视为局部探测半径，并利用互信息和预测一致性为每个批次选择尺度。
50%待验证MIRA采用互信息置信度加权的熵损失，降低对扰动敏感或低置信度样本的权重。
50%待验证MIRA的加权机制即插即用，无需修改原有TTA流程结构，可与现有熵最小化TTA方法结合。
50%待验证在分布偏移基准上的实验表明，MIRA在准确率、校准性和负对数似然上均有改善。
50%待验证MIRA无需源数据、重新训练、模型集成或离线后验拟合。
50%待验证MIRA目前基于末层高斯扰动，对于更复杂的分布偏移或非分类任务，其泛化能力有待验证。
50%待验证MIRA的核心组件是MIRA-Harness，它将用户要求翻译成生成契约，并连接证据收集、报告提交、反馈驱动的修订以及最终交付四个阶段。
50%待验证在证据收集阶段，MIRA的Agent执行多步网络搜索，同时捕获文本和图像证据，并记录其来源，为后续可追溯性打下基础。
50%待验证MIRA基于MIRA-Data对基础模型进行后训练，使模型理解生成契约的约束，并学会在搜索过程中主动利用图像证据。
50%待验证MIRA生成的图文报告与用户需求对齐，并且文本和视觉证据均可追溯，用户能回溯每个结论所依据的原始资料，包括图像来源。
50%待验证生成契约是一组在生成前显式约定、在生成中持续校验的输出约束，通常包含报告粒度、多模态组合比例、证据落地要求等维度。
50%待验证当前MIRA的结果基于Qwen3.6-35B-A3B这一特定基础模型，MIRA-Harness和MIRA-Data的通用性仍需在更多模型上验证。
50%待验证生成契约的制定目前可能依赖人工或固定模板，如何让Agent自动理解并细化用户意图仍是值得探索的方向。
50%待验证MIRA是一个面向可控报告的多模态图文深度研究Agent。
50%