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