Tag · 2 篇
工具调用智能体
分布 图像编辑与可控生成13D 视觉与重建1
01 02
JarvisEvo：面向协同编辑器-评估器优化的自进化照片编辑智能体
JarvisEvo: Towards a Self-Evolving Photo Editing Agent with Synergistic Editor-Evaluator Optimization
把交错多模态思维链（iMCoT）与编辑器-评估器协同策略优化（SEPO）引入图像编辑智能体，为视觉研究者提供一种无需外部奖励模型即可自我改进、并缓解奖励黑客的可复用训练范式；同时其保真型/生成型编辑双工具集成与 ArtEdit-Bench 评测协议可直接用于评估编辑中的像素级保真度。
描述任何事物在任何地点任何时刻
Describe Anything Anywhere At Any Moment
提出基于优化的前端，将局部描述模型（如 DAM）批量处理以加速推理，并构建分层 4D 场景图作为全局时空一致记忆，为视觉语言导航与具身智能提供可查询的 4D 表示。