1. 基本信息

• 任务：需要物理、逻辑、因果和知识推理的图像编辑
• 核心模型：Qwen3-VL-8B/32B 作为 Thinker，Qwen-Image-Edit-2511 作为冻结的 Editor
• 状态：arXiv:2604.25477，2026 年 4 月发布
• 作者单位：Alibaba Group、浙江大学 (arXiv)

2. 一句话总结

DDA-Thinker 不训练图像生成模型，而是冻结 Editor，仅通过同时评价“编辑计划是否正确”和“最终图像是否正确”的双原子奖励，使用 GRPO 优化负责推理与规划的 Thinker。

其核心不是让模型生成更长的 CoT，而是让 Thinker 输出更正确、更具体、且 Editor 能够执行的编辑计划。(arXiv)

3. 研究动机

现有 reasoning-driven image editing 通常存在两个问题。

3.1 Thinker 与 Editor 联合优化，错误难以归因

当最终图像错误时，无法确定究竟是：

• Thinker 理解或规划错误；
• 还是 Editor 没有正确执行计划。

DDA-Thinker 因此固定 Editor，只优化 Thinker，将问题转化为：

在生成器能力固定的情况下，单纯提升编辑计划质量，能够带来多大收益？

这种解耦设定主要用于获得更清晰的 credit assignment，而不是声称其一定优于联合训练。

3.2 仅使用图像奖励存在“认知盲区”