Adobe Research và Đại học California San Diego 10 tháng 29 ngày đã công bố bài báo trên arXiv với tiêu đề EditAgent: Rethinking Agentic Image Editing. Các agent chỉnh sửa hình ảnh hiện tại chia nhỏ các yêu cầu phức tạp thành từng bước; khi một bước thất bại, chúng thường thử lại nhiều lần bằng cùng một trình chỉnh sửa, sau đó để mô hình đánh giá chấm điểm "bằng mắt thường". EditAgent giao mỗi bước đồng thời cho cả trình chỉnh sửa tổng quát và các phương pháp chuyên dụng (cục bộ, tông màu, phong cách, v.v.) để tạo ra các ứng viên song song, kèm theo mỗi ứng viên một hồ sơ xác minh (ảnh phóng to cục bộ, bản đồ vùng thay đổi, thống kê độ sáng và màu sắc, v.v.), rồi để một mô hình ngôn ngữ thị giác có sẵn so sánh tất cả các ứng viên cùng lúc để chọn ra kết quả tốt nhất; sau mỗi vòng lặp, hệ thống cũng kiểm tra xem các chỉnh sửa tiếp theo có vô tình hoàn tác những thay đổi trước đó hay không.
Độ tin cậy: Cao (95) · Thời gian sự kiện 2026-10-29
Lý do
- Kết luận cốt lõi của bài báo là "việc mô hình đánh giá nhìn thấy gì quan trọng hơn cách nó được huấn luyện": khi có kèm theo hồ sơ xác minh, các mô hình ngôn ngữ thị giác tổng quát không được huấn luyện chuyên biệt lại có độ chính xác trong việc chọn kết quả cao hơn so với các mô hình phần thưởng được tinh chỉnh riêng bằng điểm số do con người đánh giá.
- Đây cũng là một công cụ tạo dữ liệu: chỉ giữ lại các kết quả vượt qua quá trình xác minh để huấn luyện mô hình chỉnh sửa, bài báo cho biết điều này giúp tăng cường hiệu suất của các trình chỉnh sửa mã nguồn mở trên ba bộ chuẩn đánh giá; đối với người dùng các mô hình chỉnh sửa mã nguồn mở như Qwen-Image-Edit, Flux.2 Klein, đây là một hướng tiếp cận quy trình làm việc kiểu "song song hóa đa công cụ + đánh giá dựa trên bằng chứng".
- Adobe đã triển khai tính năng agent trong các ứng dụng Creative Cloud (dạng thử nghiệm công khai), nghiên cứu này trực tiếp giải quyết vấn đề "chọn đúng công cụ, tự kiểm tra kết quả" trong sản phẩm của họ.
Cách sử dụng
- Bài báo tại arxiv.org/abs/2610.39664, trang dự án editagent.github.io có sơ đồ phương pháp và thư viện mẫu; mã nguồn được ghi chú là "sắp ra mắt", hiện tại chưa thể sử dụng.
Rủi ro
- Cái giá phải trả là tài nguyên tính toán: theo The Decoder, toàn bộ agent cần lượng tính toán gấp khoảng mười lần so với một trình chỉnh sửa đơn lẻ, và hiệu quả còn phụ thuộc vào việc tích hợp những công cụ chuyên dụng nào.
- Tóm tắt bài báo cho biết trình chỉnh sửa tổng quát không đưa ra được kết quả khả dụng trong hơn 40% các trường hợp, và các chuyên gia thích các ứng viên song song hơn trong các so sánh mà họ có sở thích rõ ràng tại 78.5%; những con số này đến từ bộ chuẩn đánh giá do chính tác giả xây dựng và được chuyên gia chú thích, chưa qua bình duyệt, mã nguồn và bộ chuẩn đánh giá vẫn chưa được công khai.