MASCOT

收录理由

做多智能体大模型系统的人，最头疼的往往不是模型能力不够，而是角色容易跑偏、对话容易变成互相吹捧的复读机。MASCOT 这个研究框架，背后有 EMNLP 论文支撑，专门针对这两种常见毛病下手：先让每个智能体通过 GRPO 和奖励模型严格守住自己的设定人格，再由一个导演智能体决定谁该发言、用自然语言指示语气和动作，避免大家说来说去都是废话。整个代码库是一条完整流水线，从生成对话片段、规则评判、构造偏好数据，到训练奖励模型和 GRPO/DPO，都接好了 OpenAI 兼容的 vLLM 服务，而且只用 LoRA 微调，资源开销很低。它更像一份供研究者复现和扩展的参考实现，不是拿来就能用的成品，想落地到自己的角色表和数据集上，还得自己动手改一改。