题目：GenEvolve: Self‑Evolving Image Generation Agents via Tool‑Orchestrated Visual Experience Distillation

论文地址：https://arxiv.org/abs/2605.21605

代码地址：https://ephemeral182.github.io/GenEvolve/

创新点

•将开放域图像生成建模为工具编排轨迹，智能体可调用信息检索、图像检索、生成技能工具，把外部证据、视觉参考整合为可执行的提示 - 参考程序，再交由底层图像生成器渲染，不再局限于简单的文本直接生图。

•提出视觉经验蒸馏（Visual Experience Distillation），区别于传统方法只使用图像层面单一标量奖励，对同一指令采样多条生成轨迹，对比优劣轨迹之间的差异提炼结构化视觉经验，借助特权教师分支给出细粒度 token 级监督，优化工具选择、参考挑选与提示编写策略。

方法

本文搭建能够自我进化的图像生成智能体 GenEvolve，把图像生成任务转化为多步工具编排的执行轨迹，智能体可自主调用信息检索、图像检索等工具，搜集外部文本与视觉参考素材，整理形成结构化提示程序送入底层图像生成模型完成渲染，方法核心引入视觉经验蒸馏机制，对同一个用户指令采样多条不同执行轨迹，对比好坏轨迹之间的差异，利用教师分支输出细粒度监督信号，学习工具选择、参考素材挑选和提示词编写的策略，同时结合 GRPO 强化优化方式搭建自进化闭环，智能体持续生成执行轨迹并沉淀视觉经验，迭代优化自身规划与工具调用能力，整套框架可以接入不同的底层图像生成模型，研究还配套构建带有完整工具轨迹的数据集和评测基准，用来评估智能体在事实对齐、复杂画面生成任务上的综合表现。

GenEvolve 在评测基准上的生成样例与定量结果

上半部分展示 GenEvolve 生成的各类图像样例，覆盖复古插画、建筑场景、复古载具、复杂人文画面等多种风格与题材，直观体现模型能够生成细节丰富、风格统一的复杂图像。下半部分分为两组柱状图，分别对应 GenEvolve-Bench 与 WISE Bench 两套评测基准，从知识对齐、画面美学、文本渲染以及文化、时空、生物、物理、化学等不同知识维度，将 GenEvolve 与多种基线图像生成方法进行对比，结果展示 GenEvolve 在面向外部知识依赖的图像生成任务中整体表现优于其他基线方案。

GenEvolve-Data 数据集构建流程与 GenEvolve-Bench 评测基准

半部分展示整套数据集的搭建流水线，首先搭建包含知识锚定与画质锚定两大类别的提示词池，再由教师智能体生成大量完整工具调用轨迹，随后利用视觉语言模型做筛选校验，剔除不合格样本，得到过滤后的图像样本，划分训练集与测试集，最终形成 GenEvolve-Bench 评测基准，用于评估开放域复杂图像生成任务。下半部分展示数据集里的典型样本案例，包含用户提示词、智能体的思考过程、工具调用记录以及对应的生成图像，直观呈现每条样本都完整保留从问题推理、工具检索到图像产出的全链路轨迹信息。

GenEvolve 智能体的工具编排轨迹与自进化闭环架构

分为上下两大模块，上层展示单次图像生成完整链路，接收用户指令后，GenEvolve 智能体调用检索、图片查找、知识查询等工具完成信息搜集，整合得到提示词与参考素材，送入图像生成模块产出图片，再经由图像、文本奖励与知识诊断环节评估生成效果，下层为自进化循环，当前学生策略采样多条不同的工具执行轨迹，区分出优质轨迹与劣质轨迹并做对比，从中提炼搜索策略、参考选取、提示构建等维度的视觉经验，再通过特权教师将经验做视觉经验蒸馏，结合 GRPO 强化优化对学生智能体更新迭代，得到能力更强的新版智能体，持续循环往复，不断优化智能体的工具规划与图像生成策略。

实验

该表格在 GenEvolve-Bench 基准下，将 GenEvolve 与普通直接图像生成模型以及其他图像智能体方案进行对比，评测维度包含事实可信度、视觉效果、文本渲染、美学质量，同时划分知识锚定与画质锚定两条任务赛道，实验分为直接生成基线与智能体生成工作流两大类，GenEvolve 可以搭配不同底层图像生成器开展测试，对比结果显示 GenEvolve 在各项评价维度与整体赛道上，整体性能优于基线生成模型与对比的图像智能体方法。