arXiv · cs.AI· Ziyun Zou, Jiwoo Hong, Yifan Lu, Shao Tang, Weiyi Wu, Aman Gupta, Jin Tian, Imran Razzak·· 7 小时前
PrefMind：通过在线双智能体强化学习进行多模态响应生成
Beyond Reward Scoring: Online Multi-Agent Preference Learning for Multimodal Response Generation
arXiv:2610.23256v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ziyun Zou, Jiwoo Hong, Yifan Lu, Shao Tang, Weiyi Wu, Aman Gupta, Jin Tian, Imran Razzak
研究任务与主要进展
研究者提出PrefMind，一种用于多模态响应生成的在线双智能体强化学习框架，通过生成器与偏好评论器对候选响应进行比较、讨论和修正。人类标签监督两个智能体的判断与修正，二者基于当前策略采样的交互联合更新；基于论文摘要，三个模型规模上的实验显示，偏好判断和下游响应生成均有所改善。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org