图像编辑智能体不再只靠重试：换工具、带核验记录，专家78.5%更偏好并行候选
核心概要
EditAgent把图像编辑智能体的动作空间扩到通用编辑器之外的专用方法，并给每个候选附上变化图、局部放大和颜色几何测量等核验记录，让现成视觉语言模型在一次列表式调用中比较候选。在600组、30类编辑的专家标注诊断集上，通用编辑器在42.7%的组里没有可用结果，专用方法补回了其中175组；在144个Complex-Edit样本的盲评中，专家在非平局比较里78.5%偏好并行搜索而非顺序精修，且评判调用不超过后者的一半。
深度剖析
图像编辑智能体失败时，问题往往不在重试次数，而在它能调用什么工具、它的评判者能看到什么。 此前的智能体在固定工具集内反复精修、重试或回滚，评判者只看源图、编辑图和指令，凭肉眼给单个输出打分。 在600组、覆盖30类编辑的专家标注诊断集上，通用编辑器FLUX.2-klein-9B在42.7%的组里没有可用结果，专用方法补回了其中175组；仅含通用编辑器候选的胜出组占42.3%，仅含专用方法候选的占29.2%。
EditAgent让每一步同时调用通用编辑器与专用方法，并把代码能核验的内容整理成记录交给评判者。 专用方法包括掩码局部编辑与改色、OSOR目标移除、目标移动、主体缩放、光度算子、风格滤镜、翻转旋转和裁剪放大或画布外扩。 核验记录包含可见变化比例、变化图、目标区域前后对比放大图，以及亮度、对比度、饱和度、色偏、锐度等测量和代码检查结论；在515组有可用候选的诊断集上，Qwen3.8-27B评判者的Winner-Set Hit@1从逐点71.6%升到列表式加记录的81.3%。
并行生成候选比顺序精修更省评判调用，也更受专业修图师偏好。 顺序精修反复编辑上一轮输出，早期误差会累积到后续编辑；并行搜索每次都从该步的源图出发生成候选。 在Complex-Edit复杂度1、4、8的144个样本盲评中，五位专业Photoshop修图师在102次比较中偏好并行搜索、28次偏好顺序精修、14次平局，即非平局比较的78.5%，而并行搜索最多用两次视觉语言模型调用，顺序精修固定用四次。
被评判者接受的会话可以当作训练数据，微调出更强的独立编辑器。 直接用基础编辑器FLUX.2-klein-9B在同样会话上生成的图像作对照，两组数据只差最终图像。 以FLUX.2-klein-9B为通用编辑器产出约25.7K条全接受会话；在EdiVal-O第三轮上，用EditAgent数据微调的Qwen-Image-Edit-2511和FLUX.2-klein-base-9B分别提升1.95和2.00分，而直接用FLUX.2-klein-9B数据会使FLUX.2-klein-base-9B在三个基准上都下降。
启示与展望
报道范围限于该材料给出的诊断基准、三个编辑基准与数据引擎实验：诊断集为600组、30类编辑、由五位专业Photoshop修图师共同标注；基准实验用Qwen-Image-Edit-2511与FLUX.2-klein-9B两个骨干，EdiVal上以512像素输入运行，另以1024像素运行Qwen-Image-Edit-2511后缩回512像素比较。适合关注多轮图像编辑智能体与编辑数据构造的研究者阅读。
材料自述EditAgent的推理时间约为独立编辑模型的10倍，且性能本质上受底层编辑方法能力限制；作者提出可用它作为数据引擎微调更强更高效的单模型，以摊薄这部分计算成本，但该摊薄效果未在材料中给出测量。