论文发布图像编辑基准与面向自我改进的多智能体框架。
资讯摘要
论文提出图像编辑基准 WeGenEditBench，含 2740 个评测实例、148 种任务类型，覆盖单图、文本密集与多参考编辑。它用预生成检查清单把请求拆成原子要求，先做条目级扣分与视觉证据，再汇总为编辑执行、内容保持、视觉质量与任务正确性分数。作者还开发多智能体框架 WeGenEvoStudio，整合失败诊断、检索数据构建、监督适配与再评测。
要点速读
- WeGenEditBench 含 2740 个评测实例、148 种任务类型，覆盖单图、文本密集和多参考编辑。
- 在 15 个评测配置中，GPT-Image-2 单图编辑 Overall 为 4.076，Seedream-5.0-Pro 文本密集编辑为 4.291。
- 作者报告进化实验中 FLUX.2 [dev] 的 Overall 从 1.083 升至 3.517，Qwen-Image-Edit-2511 提升 13.2%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。