拒绝「盲修」：JarvisEvo 如何让 Agent 像人类一样拥有「视觉反思」能力？

此外，在传统强化学习中经常依赖于静态的奖励模型。随着模型的不断训练，它很容易学会如何「讨好」这个固定的打分器，导致 Reward Hacking —— 即分数很高，但审美并没有真正提升。 为了打破这一僵局， JarvisEvo 应运而生。它不仅仅是一个连接 Adobe Lightroom 的自动化工具使用者，更是一次大胆的探索：探索 Agent 如何通过 「内省」，真正实现自我进化。 在迈向通用人工智能的道路上，我们一直在思考一个问题： 现有的 Image Editing Agent，真的「懂」修图吗？ 大多数基于 LLM/VLM 的智能体，本质上更像是一个「盲目的指挥官」。它们能流利地写出修图代码或调用 API，但在按下回车键之前，它们看不见画布 上的变化，也无法像人类设计师那样，盯着屏幕皱眉说：「这张对比度拉太高了，得往回收到一点。」这种感知与决策的割裂，直接导致了「指令幻觉」， 或者说模型在进行盲目的「脑补」。由于缺乏视觉反馈，模型往往凭空想象下一步操作，导致结果与用户的初衷南辕北辙。 核心范式转移： 论文标题： JarvisEvo: Towards a Self-Evolving Photo Edit ...