跳到正文
arXiv · ML· Hengguang Zhou, Yuanhao Ban, Jiaqi Feng, Xiaohuan Pei, Justin Cui, Cho-Jui Hsieh·· 2026-10-15AI 评分35

编码智能体在视觉生成中的能力边界探索

How Far Can Coding Agents Go in Visual Generation?

AI 导读

研究在 AgentDrawBench 200 条提示词的零样本绘图测试中发现,编码智能体擅长保持结构并满足精确视觉约束,但在感知丰富度上存在局限。 其视觉表现力随绘图界面变化,且重构的视觉代码在视觉问答任务中有时比原始图像支持更高的准确性。 结果证实编码智能体在生成开始前即能在内部维持一致且连贯的世界模型。

来源:arXiv · ML · arxiv.org