La Ricerca sull'IA Propone Suggerimenti di Follow-Up Multimodali per le Conversazioni di Editing delle Immagini

Uno studio recente pubblicato su arXiv (2608.07565) esplora il tema ampiamente trascurato dei suggerimenti di editing di follow-up nei sistemi conversazionali di creazione di immagini. I ricercatori hanno raccolto 100.000 campioni autentici di conversazioni multi-turno dall'app Qwen, rivelando che l'80,1% di questi scambi dipende dalle immagini, sottolineando la necessità di raccomandazioni multimodali. Introducono un framework in tre fasi: inizialmente, compilando una lista revisionata da esseri umani di intenti di editing di follow-up appropriati basati su dati online reali e perfezionando una politica multimodale attraverso l'apprendimento supervisionato fine-tuning (SFT); successivamente, migliorando la politica utilizzando il feedback dei clic degli utenti tramite apprendimento per rinforzo multi-obiettivo per allineare i suggerimenti alle preferenze degli utenti; e infine, (l'abstract è troncato, probabilmente relativo alla valutazione o all'implementazione). Questa ricerca mira a migliorare il modo in cui gli assistenti conversazionali suggeriscono modifiche di follow-up che risuonano con le preferenze degli utenti, forniscono opzioni varie e sono fattibili con l'immagine esistente. Il documento è accessibile all'indirizzo https://arxiv.org/abs/2608.07565.