一种多模态代理在线自我探索方法和系统

本发明提供了一种多模态代理在线自我探索方法及系统，通过代理与环境的动态交互，交替执行步骤采样与验证搜索机制，自动生成任务并优化策略，构建在线自我探索框架；根据逐步直接偏好优化机制，基于步骤级AI反馈生成动态偏好数据，集合化形成动态偏好数据集；构建多模态验证器，结合任务上下文、历史步骤结果及工具调用反馈，筛选推理最优解，生成推理评估验证结果；构建控制器，利用可靠性评估验证结果优化控制器，并循环持续进行偏好优化调整训练，持续优化智能体的任务执行能力、推理能力及自我探索能力。