PrefMind：双智能体在线强化学习做多模态偏好对齐

1. 12:00
   arXiv · cs.AI

   PrefMind：通过在线双智能体强化学习进行多模态响应生成

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。