PreferThinker

新框架使用链式思考推理进行个性化图像偏好评估

研究人员开发了 PreferThinker，一个用于个性化图像偏好评估的新颖框架。该系统旨在通过分析少量参考图像来理解用户的个人品味，克服了现有方法在处理稀疏、用户特定数据时遇到的局限性。PreferThinker 采用“预测-评估”范式，首先预测用户的偏好画像，然后为候选图像提供可解释的多维度评分。该框架利用大规模链式思考数据集和包括强化学习在内的两阶段训练策略，以增强其推理和泛化能力。