产品核心概念与定位 - 腾讯混元与厦门大学联合推出名为JarvisEvo的统一图像编辑智能体，旨在通过模拟人类专家设计师的迭代编辑、视觉感知、自我评估和自我反思过程来编辑图片，提供比专业软件更简单、比AI修图更可控的体验[1] - 该智能体的核心理念是“像专家一样思考，像工匠一样打磨”，其不仅能使用Adobe Lightroom等工具修图，更能“看见”修图后的变化并进行自我评判，从而实现无需外部奖励的自我进化[3] 研究背景与待解决问题 - 当前基于指令的图像编辑模型在追求“专业级”体验时面临两大核心挑战：一是“指令幻觉”，即纯文本思维链推理因“看不见”中间修图结果，仅凭文本“脑补”导致事实性错误[4]；二是“奖励黑客”，即在强化学习偏好对齐过程中，动态更新的策略模型容易欺骗静态的奖励模型以获取高分，而非真正提升能力[5] - JarvisEvo的推出正是为了解决上述问题[6] 核心技术机制：iMCoT - JarvisEvo引入了交互式多模态思维链机制，打破了传统“盲修”的局限[7] - 与纯文本推理不同，该机制在每一步编辑后都会生成新图像，并基于视觉反馈进行下一步推理，工作循环为“生成文本假设 -> 执行工具 -> 观察视觉结果 -> 反思决策”，确保每一步操作精准落地[8][9] - 该机制模拟了人类设计师“观察-操作-检查”的闭环工作流，整个推理过程包含视觉感知与规划、多步工具执行、自我评估和自我反思四个核心步骤[15][16][18] 核心技术机制：SEPO框架 - SEPO是JarvisEvo实现“自进化”的引擎，包含两个协同进化的优化环[11] - 编辑者优化环：模型利用自我评估分数作为内在奖励，不再依赖容易被欺骗的外部奖励模型[17][23] - 评估者优化环：利用人类标注数据持续校准模型的评估能力，防止模型在自我打分时“自欺欺人”[17][25] - 两个循环交替进行，形成“左右互搏”的进化效应，实现闭环的、可持续的自我能力提升[26] - 在编辑者优化环中，采用了选择性损失掩码技术，防止模型通过直接生成高分文本来“作弊”，迫使模型通过提升推理质量和工具使用准确性来间接获得高分[24] - 在评估者优化环中，使用包含人类专家标注的数据集来训练模型的评估能力，奖励取决于模型打分与人类专家打分的接近程度，以此校准模型的审美标准[28] 训练框架与数据 - 训练分为三阶段：第一阶段为冷启动监督微调，使用150K标注样本，目标是教会模型多模态推理语法、工具使用和初步审美评估等基本功[20] - 第二阶段为SEPO强化学习，使用20K标准指令数据，核心是引入协同编辑-评估策略优化，让模型从“会用工具”进化为“精通修图”[20] - 第三阶段为反思微调，使用5K在线生成的反思样本，目标是让模型具备“自我纠错”能力，提升处理复杂指令时的鲁棒性[20] - 团队构建了名为ArtEdit的双语专业修图数据集，包含170K样本，涵盖10大类、37个子类的专业摄影场景，并通过A2L协议集成了Adobe Lightroom中的200+个修图工具[31] - ArtEdit数据集分为专注于修图任务的ArtEdit-Lr和专注于审美评估的ArtEdit-Eval[32][35] 在线反思与自我修正能力 - JarvisEvo具备从错误中学习的能力，在训练过程中，系统会自动将低分轨迹与高分轨迹对比，生成反思数据[12] - 具体的在线反思数据生成机制是：当模型生成了一个得分显著更高的修图轨迹时，会触发反思生成，调用商业大模型作为“导师”进行归因分析，生成解释错误原因并指出正确做法的反思文本，最终构建成用于微调的反思样本[33] 实验性能与结果 - 在ArtEdit-Bench评测的L1和L2指标上，JarvisEvo相比商业级模型Nano-Banana提升了44.96%，能最大限度保留原图细节[36] - 在语义一致性和感知质量指标上全面领先，平均提升18.95%[37] - 其自我评估打分与人类主观偏好的相关性达到0.7243，超越了GPT-4o和专门的图像质量评估模型[36][38] - 在包含200个样本的人类主观评测中，JarvisEvo在与Nano-Banana的对决中取得了49%的胜率，远超对手的28%，证明其修图结果更符合人类审美[43] - 视觉效果上，JarvisEvo处理后的图像更贴合用户指令，在风格营造、细节呈现等方面表现突出[40] 未来展望与应用潜力 - “生成器-内部批评家”的协同进化范式具有强大的通用性，未来有望从修图拓展至数学推理、代码生成及长程规划等领域[44] - 团队将致力于突破当前步数限制，探索超过10步的复杂长程推理任务[45]

文章核心观点 - 现有基于大语言/视觉模型的图像编辑智能体存在“指令幻觉”和“盲目脑补”问题，因其缺乏视觉反馈，导致决策与结果偏离用户初衷[2] - 传统强化学习依赖静态奖励模型易导致“奖励黑客”现象，即模型学会讨好打分器而非真正提升审美[2] - JarvisEvo通过引入“内省”机制，旨在实现智能体的自我进化，使其从“执行者”转变为“思考者”，核心在于模仿人类专家的闭环工作流[2][6][8] 核心范式转移与技术支柱 - **从执行者到思考者**：JarvisEvo的核心哲学是模仿人类修图师的闭环工作流：观察->构思->尝试->评估->再调整[8] - **iMCoT（交错多模态思维链）**：将视觉反馈插入推理循环，打破黑盒，每执行一步工具（如调整色温）即生成中间渲染图，并基于当前视觉状态动态规划下一步操作[8] - **SEPO（协同编辑者-评估者策略优化）**：让模型在训练中分饰编辑者与评估者两角，形成协同进化，编辑者为获高分需提升修图质量，评估者为精准打分需提升鉴赏能力[10] - **选择性损失掩码机制**：为防止模型通过生成“满分”文本作弊，设计了SLM机制，迫使模型只能依靠推理和工具使用过程来赢得高分[10] - **On-Policy Reflection（策略内反思）**：当模型偶然修出好图（高分轨迹）而此前尝试失败（低分轨迹）时，系统会捕捉对比，并引入“导师模型”分析失败原因，生成反思数据用于微调，使模型学会“自救”[11][12] 硬核工程：数据集与训练 - **ArtEdit数据集**：为支撑系统从零构建，包含170K专业样本，覆盖10大类摄影场景，完美映射Adobe Lightroom的200+个参数，并提供修图轨迹与人类专家评分的双视角数据[14][15] - **三阶段课程学习**：训练采用渐进式课程，包括冷启动（监督微调）以学会工具使用和语法，以及协同进化（强化学习/SEPO）阶段，让模型在自我探索中通过“左右互搏”提升上限[14][15] 实验结果与性能表现 - **ArtEdit-Bench评测统治力**：在评测中，JarvisEvo的斯皮尔曼等级相关系数达到0.7243，皮尔逊线性相关系数达到0.7116，均超过包括Gemini-2.5-Flash在内的其他模型[18] - **内容保真度**：相比商业模型Nano-Banana，L1/L2误差降低了44.96%，意味着修图时不会破坏原图画质细节[21] - **人类偏好**：在盲测中，JarvisEvo取得了49%的胜率，远超Nano-Banana的28%[21] - **审美对齐**：JarvisEvo对图片质量的打分与人类专家的相关性超过了Gemini-2.5-Flash[21] - **细粒度专业调色优势**：得益于深度意图理解、多模态推理及自我反思闭环，在处理复杂修图需求时展现出超越当前所有商业及开源AIGC模型的显著优势[23] - **与OpenAI X Adobe PhotoShop对比**：在指令遵循和修图审美方面，JarvisEvo表现明显更好[27] 意义与前景 - **通用范式验证**：JarvisEvo的意义远超图像编辑，它验证了一种“执行者-评论家协同进化”的通用范式，该方法可复用到复杂代码生成、数学推理、机器人控制等需要长程规划的领域[29] - **智能体进化方向**：标志着智能体正从“听话的执行者”向“会反思的创作者”迈进[30]

公司战略与AI布局 - 公司正积极采取多项举措在AI领域建立更稳固的地位，包括与惠普等原始设备制造商合作开发新一代AI PC [1] - 惠普最新推出的EliteBook X、EliteBook Ultra和EliteBook 8等高端AI PC均搭载公司Core Ultra系列处理器 [1] - 公司与惠普共同确定了一系列能为终端用户带来显著效益的AI应用，并优化了CPU、GPU和NPU资源性能，在8款AI PC模型中测试了约12种配置 [2] 技术性能与优化 - 采用公司AI优化软件包后，微软Power BI运行速度比上一代系统快45%，Tableau业务分析解决方案运行速度提升48%，Adobe Lightroom提速32% [3] - 针对公司GPU优化的AI写作助手Writeup运行速度提升165%，AI屏幕录制工具Canvid部分功能运行速度提升223% [3] - Canvid和Writeup等原本仅限苹果用户的应用首次通过公司AI芯片在Windows PC上运行 [4] 行业趋势与市场机会 - AI正从利基能力转变为企业的关键必备组件，各行业企业都在加速整合AI以提升生产力和简化工作流程 [5] - 原始设备制造商如惠普、戴尔和联想正在开发AI PC产品线以满足市场需求 [5] - 根据Precedence Research报告，全球AI市场规模预计将从2025年的7576亿美元增长至2034年的3.68万亿美元，年复合增长率为19.2% [5] 竞争格局 - 公司在AI PC市场面临高通和AMD的激烈竞争，高通推出的Snapdragon X芯片已获得戴尔、华硕和三星等原始设备制造商的合作 [6] - AMD的Ryzen AI 300系列处理器凭借强大的AI计算和集成显卡能力，对公司的Core Ultra 9 Processor 185H等领先处理器构成挑战 [7] 财务表现与估值 - 公司股价在过去一年下跌31%，而行业整体增长11.2% [8] - 按市净率计算，公司股票目前以0.87倍账面价值交易，低于行业平均的31.65倍，价值评分为D [10] - 公司2025年和2026年每股收益预期在过去一年分别下降39.58%至0.29美元和29.36%至0.77美元 [11]