IEA：通过三阶段多任务对齐实现的业余友好型对话式图像编辑代理

针对现有图像编辑软件依赖固定滤镜或专家调整、难以满足业余用户需求的问题，本文提出 IEA，一种对话式图像编辑代理。该代理在显式且可解释的动作空间中学习操作参数化工具。通过包含专家编辑监督微调、基于奖励的强化学习及大规模合成数据微调的三阶段流程，IEA 能够逐步操控 16 种编辑工具，生成透明且可调试的编辑轨迹。实验表明，其在编辑任务像素距离和摘要任务 ROUGE-L 指标上均优于强基线，且在指令遵循和感知质量方面表现卓越，验证了以工具为中心的可解释视觉语言模型在人工指导图像修饰中的可靠性。