Adobe Research 同加州大學聖地牙哥分校（UC San Diego）嘅研究團隊，喺一篇新論文入面提出叫 EditAgent 嘅 AI 系統，用好似 Photoshop 專業人員嘅方式處理影像編輯。
一般嘅 AI 影像編輯代理，習慣將一個複雜請求拆成多個步驟，做唔到就反覆用同一個工具重試，另有一個模型負責「睇」出成品好唔好。研究團隊想改變呢個做法，令 EditAgent 按每個任務選最合適嘅工具，再用硬數字同原圖比較。
通用編輯器失敗率太高
喺一個 600 個影像編輯嘅測試入面，由五名專業人士盲評，通用編輯器 Flux-2-Klein-9B 有 42.7% 嘅失敗率，完全冇產出可用結果。專用工具大概解決咗其中三分之二嘅失敗案例，特別係鋭化、旋轉同放大縮小。繼續用同一個通用編輯器重試，幫助好有限。
研究人員亦測試咗代理係逐步修飾定係並行生成多個版本會好過。逐步修飾因為每一輪都建喺已經改過嘅圖像上，小錯誤會逐層疊加。專業人士喺有選擇嘅比較入面，78.5% 嘅情況都揀中由原圖直接並行生成嘅版本。EditAgent 只需要一半嘅評估次數就做得好。
硬數字令普通語言模型變成更好嘅評判者
EditAgent 將請求拆解成多個步驟，每個步驟同時交俾通用編輯器同對應嘅專用工具處理，再令一個普通語言模型一次性比較所有版本。
資料圖片：Pixabay
對每一個版本，模型收到一份驗證記錄，包含編輯區域嘅近照、改動區域嘅變動圖，同亮度同色彩嘅實測統計。一個例子顯示，一張相本應輕輕調亮，數字卻顯示通用編輯器將圖過曝同色調偏暖；專用工具則維持喺規格以內。
研究團隊喺個 600 項測試入面，令「評判模型」從多個候選中揀出最佳結果，再統計佢哋同專業人士評定為可用嘅一致率。對比入面，佢哋亦運行咗類似 EditScore 嘅模型，呢啲模型係用人工對影像編輯嘅評分特別微調過。
冇驗證記錄嘅時候，七個測試入面嘅語言模型冇一個可以追到最佳嘅微調模型。但一旦有驗證記錄，七個模型全部勝過所有微調模型。其中 Qwen3.8-27B 喺 81.3% 嘅情況下揀出可用結果，而 EditScore-72B 喺 74.8%。研究人員認為，呢個結果指出評判模型「見到」嘅內容，可以比佢點樣被訓練更重要。
EditAgent 嘅準確度比其他現有 AI 代理高，但大約需要十倍嘅運算資源。研究人員指出，經過驗證嘅輸出可以進一步用嚟訓練更快嘅編輯模型。
阿調搞兩下：呢篇論文重點唔係某個模型「勁」，而係將「揀邊個工具」同「點樣評判」拆開處理。將判斷建立在實測數據上，比單純加大模型或者重複重試更有道理。但十倍算力嘅代價，正正係「AI 工具」同「真人用工具」之間現實成本嘅差距。
阿調｜深度調教
