arXiv · cs.AI· Ziyun Zou·· 11 天前AI 评分37
PrefMind：面向多模态响应生成的在线多智能体偏好学习方法
Beyond Reward Scoring: Online Multi-Agent Preference Learning for Multimodal Response Generation
来源与原文
arXiv · cs.AI
作者：Ziyun Zou
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.23256v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 PrefMind，一个在线双智能体强化学习框架，用响应 Generator 和偏好 Critic 两个可训练智能体替代基于打分的 RLHF 流程，让模型通过显式判断与纠错学习人类偏好的内在原因。人类标注监督两个智能体的判断与修正，双方在交互中联合更新。三个模型规模上的实验显示，偏好判断能力和下游响应生成都得到提升。
来源：arXiv · cs.AI · arxiv.org