Adobe新智能体修图 会挑工具并自查

Adobe 研究院和加州大学圣地亚哥分校做了一个叫 EditAgent 的图像编辑智能体，思路很朴素：别让一个通用模型反复硬试，而是像设计师用 Photoshop 那样，每个环节挑对应的工具，再用可量化的数据判断哪一版更好。相关论文已挂在 arXiv 上。

研究团队先搭了一个 600 个编辑任务的基准，请五位专业人士盲评。结果通用编辑器 Flux-2-Klein-9B 有 42.7％ 的结果根本不能用；换成专用工具后，其中约三分之二的失败被救了回来，锐化、旋转、缩放这几类尤其明显。反过来，让同一个通用模型多试几次，几乎没有改善。

第二个发现关于怎么试。逐步精修会让误差层层累积，因为每一轮都在已经改过的图上继续改；而每次从原图并行生成多个候选，专业评审在 78.5％ 的对比中更认可这种版本，评估轮次还只需要一半。EditAgent 就建立在这两个结论上。

具体做法是：先把需求拆成有依赖关系的步骤，每一步让通用编辑器和对应的专用工具同台出图，再由一个未经微调的语言模型一次性比较所有候选。比较时喂给模型的不是整张图，而是一份验证记录——局部放大图、改动区域的变化图、亮度与色彩的实测统计。论文举的例子是，一张照片本来只需要轻微提亮，数字显示通用模型把它曝过了、色温还偏暖，专用工具则守在规格内。

效果很直接：不给验证记录时，测试的七个语言模型没有一个打得过专门为图像编辑打分量身微调的模型；给了记录之后，七个全部反超。阿里 Qwen3.8-27B 挑出可用结果的准确率为 81.3％，而 EditScore-72B 是 74.8％。研究者由此认为，评判模型看到什么，可能比它怎么训练更重要。

它还会回头查账：每一轮改完，检查后续操作有没有把前面的修改悄悄抹掉。论文里的例子是一句「让日光进来」，把先前做好的磨砂窗又变透明了，智能体能识别这个冲突并修正。

在 EdiVal 等三个基准上，EditAgent 让开源编辑器 Qwen-Image-Edit-2511 和 Flux-2-Klein-9B 的成绩全面提升，并超过另外七种智能体；Qwen 版本在第三轮编辑时甚至略微超过了商业模型 Seedream 4.0 和 GPT-Image-1.5。代价是算力，大约是单个编辑器的十倍，效果也取决于接入了哪些工具。

研究者还顺手把它当数据工厂：只保留通过验证的结果，攒出约 2.6 万条训练样本，用这些数据微调的编辑器在三个基准上都有提升；反过来，直接用 FLUX 生成的数据训练，反而让 FLUX 变差。Adobe 今年 6 月已把 AI 智能体放进 Photoshop、Premiere 等应用公测，这套挑工具加自查的能力，直接关系到那些产品能不能靠谱。