SenseNova-MARS作为前沿的多模态自主推理模型，通过创新的动态视觉推理技术重新定义了AI执行能力。其突破性的工具调用机制与强大的跨模态理解能力，为复杂任务处理开辟了新路径。

SenseNova-MARS是什么

SenseNova-MARS是开源的多模态自主推理模型，提供8B和32B两种参数规模。该模型首创动态视觉推理与图文搜索深度融合的智能体架构，能够自主规划任务流程并调用三大核心工具。在多项基准测试中，其32B版本以69.74分的平均成绩超越主流商业模型，实现了从被动应答到主动执行的重大突破。

SenseNova-MARS的主要功能

1. 多模态搜索推理：结合图像与文本信息进行跨模态检索，动态调用工具完成多步知识推理。
2. 细粒度视觉分析：支持处理超高分辨率图像，精确识别并分析占比极小的视觉元素。
3. 自主Agent执行：具备任务自主规划能力，通过多工具协同形成闭环解决方案。

SenseNova-MARS的技术原理

1. 双阶段训练架构：首先通过监督微调掌握基础工具使用，再采用强化学习优化多工具协同策略，BN-GSPO算法有效解决了训练稳定性问题。
2. BN-GSPO强化学习算法：通过组内与批次双重归一化处理，平衡不同任务的奖励信号，确保多工具场景下的稳定训练。
3. 动作空间与工具设计：提供文本搜索、图像搜索、图像裁剪及终止回答四个标准动作，所有工具调用均采用严格规范的JSON格式。
4. 奖励模型机制：以GPT-4o为评判标准，从答案准确性和格式合规性两个维度提供训练反馈，确保输出质量。
5. 自动化数据合成：通过视觉锚点定位、多跳关联检索及自洽性校验三环节，自动构建高质量训练数据。

SenseNova-MARS的项目地址

1. GitHub仓库：https://github.com/OpenSenseNova/SenseNova-MARS
2. HuggingFace模型库：
   1. https://huggingface.co/sensenova/SenseNova-MARS-32B
   2. https://huggingface.co/sensenova/SenseNova-MARS-8B
3. arXiv技术论文：https://arxiv.org/pdf/2512.24330

SenseNova-MARS的应用场景

1. 体育竞技分析：精确识别赛事细节并关联背景信息，辅助数据验证与结果分析。
2. 商业情报挖掘：快速提取视觉商业信息，整合多维数据支持决策分析。
3. 新闻事实核查：追溯新闻图像背景信息，验证社交媒体内容的真实性。
4. 学术研究与教育：自动解析学术图表，加速文献检索与知识整合过程。
5. 地理旅行探索：识别地标细节并实时提供文化背景，提升导览体验。

SenseNova-MARS通过创新的多模态推理架构，为各类复杂场景提供了智能化的解决方案。其强大的自主执行能力与稳定的工具调用机制，展现出广阔的应用前景。