KwaiMind Technical Report
本条目由 AI 按收录标准筛选与撰写，经独立的 AI 核查在原文中逐条找到依据，未经人工审核；数字与结论以原文为准。
相关报告
收录理由
该报告描述智能体协作的数据过滤生成与标注流水线、基于MMDiT的持续预训练与监督微调、混合DPO与扩散在线强化学习及电商专用奖励模型，并发布Ecom-Bench与CTR相关离线及在线实验。
关键要点
- 智能体数据引擎通过过滤、定向生成、分层标注与质量审计，维护约180万高质量编辑对。
- Ecom-Bench覆盖11项代表性电商编辑任务，采用行为锚定维度与几何均值评分，并报告学习型CTR排序分数。
- 监督微调语料经筛选得到234.9K对，含115.0K通用编辑对与119.9K电商编辑对。
- 在ImgEdit、GEdit、REDEdit英中分集及Ecom-Bench视觉质量上，KwaiMind在所评估开源编辑器中整体得分最强。
- 离线CTR引导优化后，生成图预测CTR高于原商品图的比例由12.16%升至37.41%。
- 在线A/B中，按CTR选择商品主图带来实际CTR约2.44%的相对提升。