MRC-MMAgent多角色协作强化学习框架

2026年10月30日，arXiv Computer Vision 刊出 Shengqin Wang 等作者的报道，提出多角色协作强化学习框架 MRC-MMAgent。该框架将求解、检查与续接整合进可执行智能体循环，让智能体通过工具获取证据、评估前序轨迹，并在答案支撑不足时继续求解；同时引入角色耦合学习目标，结合任务成功、交互有效性与成功纠正，对全部角色的决策做全轨迹策略优化。报道称，在仅使用原始基线训练集、未构建额外数据集的情况下，该方法在多项基准上稳定优于对应基座模型。目前事件进展限于该框架的提出与上述基准表现，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。