LongBanana:多参考图长上下文生图评测与智能体框架

智能体驱动的图像生成常要从很多参考图里取材,但现有评测多只看画面是否合理。LongBanana 由专家设计 90 个任务,每个约 32 张参考图、20 条约束和 50 个检查项,用实体关系图把要求拆成可逐项核对的清单,从内容保真、关系绑定和全局约束三方面打分,并附带 LongBanana-Gen 智能体生成框架。作者称专家双标子集一致率 89.4%,加上最简单的智能体流程就比直接生成好,ReAct-规划-执行-反思(RPR)流程的提升则随所用框架而异。

原题:LongBanana: An Expert-Verified Benchmark for Long-Context Multi-Reference Image Synthesis

智能体驱动的图像生成常要从很多参考图里取材,但现有评测多只看画面是否合理。LongBanana 由专家设计 90 个任务,每个约 32 张参考图、20 条约束和 50 个检查项,用实体关系图把要求拆成可逐项核对的清单,从内容保真、关系绑定和全局约束三方面打分,并附带 LongBanana-Gen 智能体生成框架。作者称专家双标子集一致率 89.4%,加上最简单的智能体流程就比直接生成好,ReAct-规划-执行-反思(RPR)流程的提升则随所用框架而异。

为什么重要 智能体驱动生图越来越常见,这套带核对清单的评测能逐项检查参考图内容有没有用对

点赞 28 · 代码星数 2

理由

  • 针对多参考图合成:检索分散的证据、排除干扰图、绑对实体和关系,这些是单一画质分数测不出的
  • 代码 MIT、数据 CC BY 4.0,可接 OpenClaw、Codex、Claude Code 三种智能体跑生成和评审
  • 检查项由专家设计和审核,结果可以逐项追溯

用法

  • 代码:https://github.com/KlingAIResearch/LongBanana;数据:抱脸 KlingTeam/LongBanana(open_v1、open_v1p5 两个版本)
  • pip install -e . 后用 python -m longbanana generate 生成、python -m longbanana judge 评审;先加 --dry-run 检查输入,不调用 API

风险

  • 这是评测和工作流,不是新模型;生成固定用 Gemini 3.1 Flash Image,需要商用 API Key,跑全量有费用
  • README 提醒 Bubblewrap 沙箱不限制网络访问
  • 评审依赖大模型打分,换评审模型后分数不能直接对比

打开 · 代码 · 抱脸论文页

Hugging Face Daily Papers

浏览最新 AI 动态