APT：面向文本生成图像的自反馈智能体后训练框架

APT: Feedback-Driven Agentic Post-Training for Text-to-Image Generation

AI 导读

APT 是一个全自动后训练框架，通过协调三个智能体构建评测集、诊断模型能力短板，并按自适应提示词分布生成强化学习数据，让模型当前表现决定下一轮训练任务，形成递归自我改进式反馈闭环。针对无用户指定评测场景的通用设置，该研究还开发了可生成广泛多样评测集的评测工具。实验表明 APT 在多个基座模型、benchmark 和生成架构上均适用，具备模型无关、benchmark 无关、架构无关且全自动的特性。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：后训练对于提升文本到图像模型至关重要，然而现有流程通常依赖人工整理训练数据和固定的训练分布。我们提出 APT（Agentic Post-Training），一个全自动框架，能够根据基础模型不断演进的能力画像对其进行自适应后训练。APT 协调三个智能体，从用户需求构建评估集、诊断模型特有的优势与失败模式，并生成具有自适应提示分布的强化学习数据，该分布侧重于表现不足的能力。通过反复评估、诊断和更新生成器，APT 让当前模型的行为塑造其下一轮训练任务，形成一个受递归自我改进启发的反馈循环。对于没有用户指定评估场景的通用设置，我们进一步开发了一个评估工具集，能够实现广泛且多样的评估集生成。在多个基础模型、基准和生成架构上的实验表明，APT 与模型无关、与基准无关、与架构无关，且完全自动化。

学科：	计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）
引用格式：	arXiv:2610.18097 [cs.CV]
	（或使用 arXiv:2610.18097v1 [cs.CV] 引用此版本）
	https://doi.org/10.48550/arXiv.2610.18097 由 DataCite 颁发的 arXiv DOI（待注册）

提交历史

来自：Sirui Zhang [查看邮箱]
[v1] 2026年10月13日星期二 10:14:23 UTC（9,678 KB）

来源：arXiv cs.AI · arxiv.org