VisionCreator-R1：一种反思增强的原生视觉生成智能体模型

视觉内容生成已从单图像迈向多图像工作流，但现有智能体多为计划驱动，缺乏系统性反思机制以修正轨迹中的视觉错误。为此，本文提出 VisionCreator-R1，一种具备显式反思能力的原生视觉生成智能体，并引入“反思 - 计划协同优化”（RPCO）训练方法。研究发现强化学习中存在反思与计划优化的不对称性：计划可通过奖励可靠优化，而反思学习受噪声信用分配阻碍。基于此，RPCO 先在自建的 VCR-SFT 数据集上进行监督微调，再在 VCR-RL 数据集上通过强化学习协同优化。实验表明，该模型在现有基准及新提出的 VCR-bench 上均优于 Gemini2.5Pro。