# LME-Bench

该工作发现指令式图像编辑模型在递归多轮编辑中会快速退化，并将其归因于训练时只见过干净源图、推理时却要反复以自身不完美输出为条件的训练—测试条件分布错配，于是提出 MT-OPSD：用恒等指令让当前学生模型自我 rollout 出含自身误差的状态，再由以干净源图为条件的同一模型作为教师，通过稀疏速度匹配把干净条件下的编辑行为迁移到这些自生成状态上，无需多轮标注；同时构建含 100 个十轮编辑会话的 LME-Bench，在三个编辑骨干上把 SR@10 提升到 0.38–0.52、把 CR@10 降到不超过 0.04，并基本保持单轮编辑质量。

该工作发现指令式图像编辑模型在递归多轮编辑中会快速退化，并将其归因于训练时只见过干净源图、推理时却要反复以自身不完美输出为条件的训练—测试条件分布错配，于是提出 MT-OPSD：用恒等指令让当前学生模型自我 rollout 出含自身误差的状态，再由以干净源图为条件的同一模型作为教师，通过稀疏速度匹配把干净条件下的编辑行为迁移到这些自生成状态上，无需多轮标注；同时构建含 100 个十轮编辑会话的 LME-Bench，在三个编辑骨干上把 SR@10 提升到 0.38–0.52、把 CR@10 降到不超过 0.04，并基本保持单轮编辑质量。