摘要
近年来图像生成进展显著，但在处理模糊意图、逻辑推理及分布外知识时，现有模型因缺乏深度推理能力和实时外部信息而表现不佳。受智能体范式启发，本文提出 RS-Gen，这是一种即插即用、无需训练的多阶段图像智能体框架。该框架创新性地引入“提问 - 求解”闭环机制，能精准识别逻辑问题与知识缺口，自主规划行动以弥补信息缺失并执行深度逻辑推理。实验表明，RS-Gen 显著扩展了基础图像生成模型的边界，在多个基准测试中达到开源模型的最先进水平。
AI 推荐理由
论文核心提出“问答求解”闭环机制，专注于解决逻辑推理与知识缺口问题。
研究机构
小米集团
论文信息