提出一种基于逆规格奖励的强化学习框架SlideRL,用于训练LLM代理生成专业HTML幻灯片,通过多组件奖励(含结构验证、渲染质量、LLM美学评分、内容质量及新颖的逆规格奖励)引导Qwen2.5-Coder-7B模型微调,在48个商业演示任务上达到Claude Opus 4.6质量的91.2%,较基线提升33.1%。
机构:Tavus Inc.
来源:arXiv 2603.16839 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程