PaperBanana-Interact：通过多轮人类反馈改进科学图表
PaperBanana-Interact研究如何利用多轮人类反馈迭代改进科学图表。研究人员发布了MTPaperBananaBench基准，其中包含292张图像和3,518项经过标注的用户需求，并构建了用于大规模评测的用户模拟器。对现有多轮系统的评估发现了两种常见失败模式：随着轮次增加，图表质量逐步下降的“质量漂移”；以及后续修改丢失此前已实现功能的“遗忘”。PaperBanana-Interact采用带有内部批评与改进循环的多智能体系统。在实验中，该系统能在多轮交互中持续提升图表质量，质量得分比基线高11.9至18.6分，并将遗忘程度降低3.7至6.2分。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。