拒绝「盲修」：JarvisEvo 如何让 Agent 像人类一样拥有「视觉反思」能力？

腾讯混元与厦门大学团队提出 JarvisEvo，一种具备自我进化的图像编辑智能体。通过引入 iMCoT 实现多模态推理与视觉反馈闭环，结合 SEPO 框架下编辑者与评估者的协同进化，并利用 SLM 防止评分作弊，其在 ArtEdit-Bench 上相较商业模型 Nano-Banana 内容误差降低 44.96%，盲测评分胜率达 49%。依托自建 170K 样本 ArtEdit 数据集与三阶段训练流程，JarvisEvo 不仅在修图任务中表现领先，也为复杂决策系统的自我演化提供了新范式。
来源：https://mp.weixin.qq.com/s/oGhkzO7ZWB7vQab-mLPrAw