EvoIR-Agent：基于经验驱动学习的自进化图像修复智能体系统

多模态大模型驱动的图像修复智能体在退化耦合场景中表现优异，但其零样本规划常因缺乏经验而失败，导致高昂的试错成本。现有方法面临两难：训练法效率高但兼容性差，无训练法兼容性好但试错成本高。为此，本文提出 EvoIR-Agent，系统构建了无训练智能体的经验组件，建立了分层经验池以提供由粗到细的指导，并引入自我进化机制，利用积累记录从零更新经验池，显著提升了性能与效率。实验表明该方法在各项指标上领先，实现了性能与效率的帕累托最优平衡。