研究人员推出了CanvasCraft，这是一个大型数据集，包含140,000个带注释的轨迹和10,000个复杂图像创建和编辑的任务规范。他们还开发了CanvasAgent，这是一个多模态代理，旨在为这些任务编排各种视觉工具。CanvasAgent使用监督微调进行训练，然后使用GRPO进行优化，并为最终结果和中间过程纳入奖励。该代理可以检查结果、跟踪视觉资产，并根据不断变化的视觉状态调整其工具选择，在多工具图像创建工作流程中表现出有效性。 AI
影响 这项工作推进了多模态代理在复杂视觉操作方面的能力，可能为更复杂的AI驱动的创意工具提供支持。
排序理由 该集群描述了一篇介绍用于图像创建和编辑的新型数据集和代理的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
