ES
RSIgen conecta el aprendizaje entre agentes planificadores y generadores de imágenes
En palabras sencillas
Una solicitud de imagen puede requerir buscar información, redactar instrucciones, generar una imagen y corregirla. Un resultado incorrecto, por sí solo, no indica si debe aprender el rol que toma decisiones o el que crea imágenes.
El reto continúa después de que mejora el generador, porque las antiguas indicaciones sobre qué acción tomar pueden dejar de servir. El artículo presenta RSIgen, un marco que envía ejemplos comprobados al rol adecuado y vuelve a evaluar las decisiones sobre acciones después de actualizar el generador.
En AgentGen-Bench, una prueba que mide el cumplimiento de las solicitudes y la calidad de imagen, obtuvo una puntuación superior a la de un método de adaptación repetida en los tres modelos evaluados.
La investigación
Una solicitud de imagen puede exigir buscar datos, redactar una instrucción, generar una imagen o repararla.
Si el resultado falla, ¿cómo puede un sistema de aprendizaje saber si necesita entrenar al agente que toma decisiones o al generador de imágenes, y mantener útiles las decisiones del agente cuando cambia el generador?
RSIgen, un marco de aprendizaje recíproco, dirige la experiencia validada al rol adecuado y vuelve a evaluar las decisiones sobre acciones tras actualizar el generador para mantener vigentes las indicaciones del agente.
AgentGen-Bench evalúa el cumplimiento de solicitudes y la calidad de imagen; su puntuación Full es una media global de 0–100 que combina nueve componentes del evaluador sobre la cobertura evaluada de cada modelo. RSIgen superó en 3,2–3,3 puntos a SearchGen-3 + costs, una adaptación de SearchGen en tres ciclos que incorpora costes de acción, en BAGEL, Qwen-Image y Wan-Image-7B.
Los métodos entrenados compartieron puntos de control iniciales, herramientas, recursos y tres intentos, pero utilizaron procedimientos de aprendizaje distintos.
Las mejoras fueron mayores en las solicitudes Search-Intensive que en las NoSearch, en consonancia con el objetivo del marco de actualizar las indicaciones sobre acciones a medida que cambia el generador.
Los estudios del mecanismo se realizaron con Wan, y las comparaciones de acciones abarcan solo un conjunto finito de ramas evaluadas.
Los diagnósticos de enrutamiento son hipótesis operativas; los controles sobre las fuentes de los currículos combinan cambios en el contenido con cambios en la validez y el rendimiento de los objetivos de entrenamiento.
Qué muestran las pruebas
- Dos roles con necesidades de aprendizaje distintas
RSIgen (Reciprocal Self-Improvement for Agentic Visual Generation) es un marco de aprendizaje entre el agente de comprensión y el generador de imágenes de un mismo modelo multimodal. El agente puede reunir evidencia, redactar una instrucción y elegir entre generar o reparar; el generador crea una imagen a partir de esas entradas.
Que la tarea salga bien no basta para identificar qué rol debería aprender ni para proporcionar un objetivo de entrenamiento compatible.
- Dirigir cada ejemplo al rol adecuado
Dynamic Responsibility Routing (DRR) utiliza intervenciones comparables para elegir quién aprende, qué tipo de habilidad entrenar y si conviene aprender, repetir el aprendizaje, conservar una dependencia externa o no actualizar.
También crea un ejemplo de entrenamiento adecuado para ese rol. Por ejemplo, una instrucción corregida que arregla una imagen puede entrenar al agente, mientras que una imagen asistida y validada, emparejada con una solicitud que omite los datos recuperados, puede entrenar al generador.
- Revisar las indicaciones sobre acciones
Tras actualizar el generador, RSIgen vuelve a evaluar las decisiones sobre acciones en condiciones comparables. Que cambie el conjunto de acciones preferidas no es lo mismo que una etiqueta antigua pase a ser inválida o claramente peor; algunas opciones anteriores pueden seguir siendo casi óptimas.
En las solicitudes Test-mini de Wan, los conjuntos preferidos cambiaron en el 22,2 % de las decisiones previas a la generación y en el 20,8 % de los estados posteriores; las etiquetas desactualizadas se dieron en el 17,0 % y el 15,7 %.
Cada tasa es una media de tres etapas de actualización, calculada con sus propias decisiones o estados evaluados como denominador.
- Actualizar las indicaciones mejora los resultados medidos
En un estudio de continuación con Wan, la puntuación Mini O9 del flujo de trabajo completo subió de 47,37 con etiquetas de acción desactualizadas a 50,20 con etiquetas actualizadas. En una comparación distinta de la etapa 2, con 100 unidades de coste total para preparación, ejecuciones y optimización, el método de actualización obtuvo 50,0; el aprendizaje según la política del generador actual, 49,1; y las indicaciones desactualizadas, 47,2.
Los pasajes comunicados no identifican al evaluador de Mini O9; son comparaciones distintas y no deben combinarse.
- Puntuaciones del sistema en tres modelos
AgentGen-Bench evalúa el cumplimiento de solicitudes y la calidad de imagen; su puntuación Full es una media global de 0–100 que combina nueve componentes del evaluador sobre la cobertura evaluada de cada modelo. RSIgen superó en 3,2–3,3 puntos a SearchGen-3 + costs, una adaptación de tres ciclos con costes de acción, en BAGEL, Qwen-Image y Wan-Image-7B.
Ambos métodos entrenados compartieron puntos de control iniciales, herramientas, recursos y tres intentos de actualización, pero siguieron procedimientos de aprendizaje distintos. Las mejoras fueron mayores en las solicitudes Search-Intensive de la prueba que en las NoSearch.
- Las valoraciones humanas aportan otra medida
Tres evaluadores independientes y a ciegas compararon los resultados de 200 solicitudes distintas de usuarios reales, reutilizadas en las tres arquitecturas base. Juzgaron el cumplimiento de tareas y la calidad visual; los investigadores agruparon 1.800 valoraciones por dimensión y contaron los empates como media victoria.
Las preferencias resultantes por RSIgen, ajustadas por empates frente a SearchGen-3 + costs, fueron del 70,0 % para el cumplimiento y del 64,9 % para la calidad visual. Estos resultados descriptivos corresponden a las solicitudes evaluadas; reutilizarlas en varias arquitecturas no crea una muestra mayor.
Detalles
- Autores del paper original
- Yidi Liu, Haozhe Wang, Jie Xiao, Kai Zhu, Xueyang Fu
- Enviado a arXiv
- Licencia
- arXiv non-exclusive