跳到主要內容
2026-11-02 日報
研究與評測

Adobe 聯手 UCSD 發表修圖代理 EditAgent:結合專門工具平行生成,EdiVal 跑分超越商用模型

The Decoder單一來源
尚未逐項核實

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

Adobe Research 與加州大學聖地牙哥分校(UC San Diego)在論文中發表圖像編輯代理「EditAgent」,模擬專業修圖師流程,將複雜指令拆解為子步驟,並結合通用編輯器與銳化、縮放等專門工具。 在 600 項圖像編輯的盲測中,通用編輯器 Flux-2-Klein-9B 有 42.7% 的機率無法產出可用結果,而專門工具能解決其中約三分之二的失敗案例,尤其在銳化、旋轉和縮放表現最顯著。研究同時發現,傳統逐步反覆修改容易累積誤差,改採以原圖平行生成多種變體後,專業人員在 78.5% 的對比評選中更偏好平行變體,且評估次數僅需原本的一半。 在評估機制上,EditAgent 為候選圖片提供包含局部裁切、區域變更遮罩以及亮度與色彩測量數據的「驗證記錄」,使標準語言模型能單次比對所有變體。測試顯示,Qwen3.8-27B 搭配驗證記錄時選出可用圖片的成功率達 81.3%,超越專門針對人類評分微調的 EditScore-72B(74.8%),同時系統還能偵測並修正後續步驟意外覆蓋前期編輯的衝突。 評測方面,EditAgent 在三項基準測試中提升了 Qwen-Image-Edit-2511 與 Flux-2-Klein-9B 的表現,在 EdiVal 基準測試第三輪編輯中超越商業模型 Seedream 4.0 與 GPT-Image-1.5,但其運算量約為單一編輯器的 10 倍。研究團隊也將 EditAgent 作為資料生成來源,產出約 2.6 萬筆經檢驗的訓練樣本;經此微調後的編輯器在各項基準測試均有進步,相較之下,直接由 FLUX 生成的訓練資料反而會導致模型表現下降。
讀原始報導