佐治亚理工与麻省理工提出 MASCOT，用两阶段训练缓解多智能体角色坍塌

佐治亚理工学院与麻省理工学院研究团队提出多智能体陪伴系统 MASCOT，通过两阶段训练同时优化个体角色行为与群体协作策略。第一阶段用偏好对训练奖励模型并结合 GRPO 让各角色保持分工，第二阶段固定发言模型、训练 Director Agent 选择下一位发言者与回应策略。