Adobe 研究 EditAgent：让 AI 智能体像 Photoshop 专业用户一样选工具修图

Adobe 研究人员打造了一款用于图像编辑的 AI 智能体，它将通用编辑器与专用工具配对使用。一个标准语言模型会利用实测数据比较结果，并挑选出最佳的一个。

用于图像编辑的 AI 智能体将复杂请求拆解为多个步骤，并且通常会用相同的工具重试失败的步骤，同时由另一个模型通过肉眼观察来评判输出结果。

Adobe Research 和 UC San Diego 的研究人员希望通过 EditAgent 改变这一现状，根据一篇新论文，该系统的工作方式更像 Photoshop 中的专业人士。它会为每项任务挑选合适的工具，并用确凿的数字将结果与原始图像进行比较。

通用编辑器在太多任务上失败

在对 600 次图像编辑进行的测试中，由五位专业人士进行盲评，通用编辑器 Flux-2-Klein-9B 有 42.7% 的情况下未能生成可用结果。专用工具解决了其中约三分之二的失败，尤其是在锐化、旋转和缩放方面。用同一个编辑器进行更多重试几乎无济于事。

研究人员还测试了智能体是通过逐步细化结果，还是通过并行生成多个变体表现更好。迭代细化会累积小错误，因为每一轮都建立在已经改动过的图像之上。在专业人士明确选择一方的比较中，有 78.5% 的情况下他们更偏好从原始图像生成的并行变体。该智能体所需的评估轮次只有一半。EditAgent 正是基于这两项发现构建的。

确凿数字让标准模型成为更好的评判者

EditAgent 将请求按步骤规划，并在每一步让通用编辑器与相应的专用工具同台竞争。随后，一个标准语言模型会在一次处理中比较所有变体。

对于每个变体，模型都会收到一份验证记录，其中包含编辑区域的特写、改动区域的变更图，以及亮度和颜色的实测统计数据。在一个示例中，一张照片本应被轻微提亮。数字显示，通用编辑器将其过度曝光，并使颜色偏暖。专用工具则保持在规格范围内。

研究人员在他们的 600 次编辑基准上测试了这一点。评判模型必须从多个候选结果中选出最佳结果，他们统计了它选中专业人士也评为可用的图像的频率。作为对比，他们运行了 EditScore 等模型，这些模型是在人类对图像编辑的评分上微调过的。

在没有验证记录的情况下，测试的七个语言模型没有一个能匹敌最佳微调模型。有了验证记录后，这七个模型全部击败了每一个微调模型。Qwen3.8-27B 有 81.3% 的情况下做出了可用选择，而 EditScore-72B 为 74.8%。对研究人员来说，这表明评判模型看到的内容可能比它如何被训练更重要。

每一轮之后，EditAgent 还会检查后续编辑是否意外撤销了先前的修改。在论文的示例中，指令“让更多日光进来”使之前磨砂的窗户重新变得透明。该智能体发现了这一冲突并加以修正。

EditAgent 在三个基准测试上改进了开源编辑器 Qwen-Image-Edit-2511 和 Flux-2-Klein-9B，并优于其他七个 AI 智能体。在 EdiVal 基准测试中，Qwen 变体在第三轮编辑时略微超过了商业模型 Seedream 4.0 和 GPT-Image-1.5。但该智能体所需的算力约为单个编辑器的十倍，且其性能取决于所接入的工具。

该智能体为更快的编辑器生成训练数据

研究人员还将 EditAgent 用作数据来源。由于该智能体只保留经过验证的结果，它生成了约 26,000 个训练样本。在该数据上微调的编辑器在三个基准测试中均表现更好。相比之下，直接由 FLUX 生成的训练数据实际上让 FLUX 变得更差。这种权衡可能使该智能体的高算力成本随时间推移变得值得。

Adobe 于 6 月将 AI 智能体加入 Photoshop、Premiere 及其他 Creative Cloud 应用，最初以公开测试版形式推出。用户描述他们的需求，智能体负责处理各个步骤。这些智能体选择正确工具并检查自身输出的能力如何，这一问题直接关系到 Adobe 已发布的产品。Black Forest Labs 此后已替换了论文中测试的通用模型：新的 Flux 3 Image Klein 拥有 56 亿参数，比 Flux 2 Klein 更小，但在 Black Forest Labs 的内部测试中，其得分高于所有其他开源模型，甚至高于商业版 Flux 2 Pro。

没有炒作的 AI 新闻——由人工精选

订阅 THE DECODER，享受无广告阅读、每周 AI 新闻简报、每年六期独家“AI Radar”前沿报告、完整档案访问权限以及评论区访问权限。