注目★★★★★Hugging Face Papers
InterleaveThinker：画像生成器にインターリーブ生成能力を付与するマルチエージェントパイプライン
30秒で把握
- 1InterleaveThinkerがインターリーブ生成対応の初マルチエージェントパイプラインを発表
- 2SFTデータ8万件・RLデータ1.3万件構築・GRPOでステップ単位強化学習を適用
- 325回超の生成器呼び出しに対応するため精度報酬とステップ単位報酬を新設計
要約
InterleaveThinkerは、既存の画像生成器にテキストと画像を交互に生成するインターリーブ生成能力を付与する、初のマルチエージェントパイプラインとして発表された。プランナーエージェントが入力シーケンスを整理し、クリティックエージェントが生成結果を評価・修正する2段階構成を採用する。学習には8万件のSFTデータと1.3万件のRLデータを構築し、GRPOによるステップごとの強化学習でインストラクション補正能力を強化した。
あなたへの影響
ビジュアルナラティブや具現化操作タスクに取り組む研究チームにとって参考になる手法で、既存の画像生成器をそのまま活用できる点が実用的。
推奨：即時の実装検討は不要だが、インターリーブ生成を扱うプロジェクトがあれば論文に目を通す程度で良い。