通过闭环验证推理解锁复杂视觉生成

针对现有文本到图像模型在复杂语义处理上的单步生成局限及多步推理中的幻觉问题，本文提出闭环视觉推理（CLVR）框架。该框架深度融合视觉语言逻辑规划与像素级扩散生成，引入带步骤级视觉验证的自动化数据引擎以合成可靠推理轨迹。此外，提出代理提示强化学习（PPRL）解决长上下文优化不稳定问题，并设计Δ空间权重合并（DSWM）方法显著降低迭代去噪的推理延迟。实验表明，CLVR 在多个基准测试中优于开源基线，接近商业模型性能。