PrefMind：在线双智能体偏好学习框架提出

Ziyun Zou 等作者提出在线双智能体强化学习框架 PrefMind，用于多模态回复生成。框架由两个可训练智能体组成：回复生成器 Generator 和偏好评论家 Critic。两者通过分析讨论判断哪条候选回复更符合人类偏好，并由人类标签监督其判断与修正。 该框架目前以预印本形式发布，尚未见经同行评审验证的效果数据。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。