Adobe Research 和加州大学圣迭戈分校 10 月 29 日在 arXiv 发表论文 EditAgent: Rethinking Agentic Image Editing。现有图像编辑代理把复杂请求拆成步骤，某一步失败时多半用同一个编辑器反复重试，再让评审模型“凭眼看”打分。EditAgent 把每一步同时交给通用编辑器和专用方法（局部、色调、风格等）并行出候选，给每个候选附一份核验记录（局部特写、变化区域图、亮度与色彩统计等），再让现成的视觉语言模型一次比较全部候选选出最好的；每轮结束还检查后面的编辑有没有悄悄撤销前面的改动。
置信度：高（95） · 事件时间 2026-10-29
理由
- 论文的核心结论是“评审看到什么比怎么训练更重要”：附上核验记录后，不做专门训练的通用视觉语言模型挑选结果的准确度超过了专门用人类评分微调的奖励模型。
- 它也是数据引擎：只保留通过核验的结果来训练编辑模型，论文称能让开源编辑器在三个基准上变强；对 Qwen-Image-Edit、Flux.2 Klein 这类开源编辑模型的使用者，这是“多工具并行 + 证据评审”的工作流思路。
- Adobe 已在 Creative Cloud 应用里上线代理功能（公开测试），这项研究直接对应其产品里“选对工具、自查结果”的问题。
用法
- 论文 arxiv.org/abs/2610.39664，项目页 editagent.github.io 有方法图和样例画廊；代码标注“soon”，目前还不能用。
风险
- 代价是算力：据 The Decoder，整个代理约需单个编辑器十倍的计算量，效果还取决于接入了哪些专用工具。
- 论文摘要称通用编辑器在超过四成的案例里给不出可用结果、专家在 78.5% 有明确偏好的对比中更喜欢并行候选；这些数字来自作者自建、由专家标注的基准，未经同行评审，代码和基准尚未公开。