AgentDrawBench

编码代理通过程序生成图像，展示结构化视觉推理能力

一篇新论文探讨了编码代理在视觉生成方面的能力，并将其方法与传统生成模型进行了对比。这些代理使用可执行程序和基本绘图工具来构建图像，在保持结构和遵循精确视觉约束方面表现出色。虽然与专用模型相比，它们可能缺乏感知丰富性，但其程序化技能可以适应各种艺术媒介。研究还提出，代码本身充当了视觉思维语言，保留了可用于视觉问答等任务的信息，并建议代理维护场景的一致内部表示。