苹果与卡内基梅隆大学的研究团队提出 SSR（Selection-Based Structured Reasoning），把智能体每一步的自由形式推理（free-form thinking）改为从包含 6 条预定义推理选项的推理库中做选择：选项打分复用模型自身似然并一次性并行 prefill，不需要自回归生成任何新 token，也不需额外的分类头或 SFT warm start。在 Qwen3-VL 2B/4B 模型、H100 + SGLang 环境下，论文在 MMSearch、InfoSeek、SimpleVQA 等 7 个多模态搜索 benchmark 上报告每轮推理延迟降低超过 90%、每题总推理延迟降低 28–54%，成功率与自由推理版本相当（4B SSR+GRPO 平均成功率 61.37%，2B 达 51.26%）。作者称该方法可接入现有 SFT 与 RL 训练流程，并强调 SSR 是把推理空间从开放语言空间重组为紧凑的策略空间，适用于搜索与工具调用这类高层决策较少的场景，而开放式数学推理、定理证明和代码设计仍需要自由生成式思考。

Apple·Carnegie Mellon University·SSR (Selection-Based Structured Reasoning)·+4