MemoGen：过往经验能否提升未来的文本到图像生成？

现代文本到图像模型在处理隐含约束或推理任务时仍不可靠。现有方法通常将每次生成视为孤立事件，缺乏对过往成败的系统性保留。本文提出 MemoGen，一种无需训练的框架，通过代理进化层增强现有生成器。该系统显式推断视觉需求，检索外部证据，评估结果并将成功策略与失败教训存储为可复用经验记忆。在多轮进化中，代理检索相关经验以优化未来生成，实现无需参数更新的测试时自我进化。实验表明，仅两轮进化后，其在多个基准上超越强专有系统。