提出一种协同多智能体框架,用于生成角色驱动的谋杀谜题游戏脚本,并设计两阶段智能体监控训练策略(CoT微调+GRPO强化学习),以提升视觉语言模型在不完全信息、欺骗性线索下的多跳推理与隐藏事实提取能力。
机构:中山大学
来源:arXiv 2604.11741 | AI4Papers 论文推荐平台