论文信息

• 时间：2025 年 12 月
• 核心任务：指令式图像编辑
• 代码与模型：已开源
• 核心思想：不直接重新训练图像编辑器，而是在编辑器外部增加一个能够评价结果、分析错误并改写指令的多模态推理模型。

一句话总结

EditThinker 将传统的单轮图像编辑改造成：

生成结果 → 检查错误 → 改写指令 → 重新生成

通过多轮 Critique–Refine–Repeat，逐步提高编辑结果的指令遵循能力。

1. 研究动机

现有图像编辑模型通常一次性完成：

1. 理解编辑指令；
2. 判断需要修改的位置和属性；
3. 生成最终图像。

这些过程被压缩在一次生成中，一旦出现漏改、错改或背景破坏，模型没有机会自我纠正。

作者认为，当前编辑模型更像：

Reactive Executor，而不是 Reflective Thinker。

因此，论文不继续增强 Editor 本身，而是额外引入一个负责评价和规划的 Thinker。