DataEvolver：让数据通过目标驱动的循环代理自行构建与改进

构建可控视觉数据是图像编辑和多模态理解的主要瓶颈。有效监督往往需经迭代生成、检查、修正、过滤及导出过程，而非单次渲染。本文提出 DataEvolver，一个闭环视觉数据引擎，围绕明确目标、持久产物、有限修正动作及接受决策组织该流程。系统支持多种产物类型，并通过两个耦合循环运作：样本内的生成时自校正与数据集轮次间的验证时自扩展。实验表明，该框架在物体旋转任务上显著优于基线模型，其核心贡献在于提供了一套可复用的通过显式目标跟踪与反馈循环构建视觉数据集的框架。