Meituan（美团）

Gen-Searcher: Reinforcing Agentic Search for Image Generation

Gen-Searcher: 强化搜索代理用于图像生成

Kaituo Feng, Manyuan Zhang, Shuang Chen, Yunlong Lin, Kaixuan Fan, Yilei Jiang, Hongyu Li, Dian Zheng, Chenyang Wang, Xiangyu Yue

机构 * MMLab, CUHK（CUHK的MMLab） ； UCLA（加州大学洛杉矶分校） ； UC Berkeley（加州大学伯克利分校） ； Meituan Home（美团家庭） 纠错

AI总结 提出Gen-Searcher，首个通过多跳推理和搜索收集文本知识与参考图像的搜索增强图像生成代理，结合SFT和强化学习训练，显著提升生成质量。

Comments Project page: https://gen-searcher.vercel.app Code: https://github.com/tulerfeng/Gen-Searcher

GenEvolve: Self-Evolving Image Generation Agents via Tool-Orchestrated Visual Experience Distillation

GenEvolve: 通过工具编排的视觉经验蒸馏实现自我进化的图像生成智能体

Sixiang Chen, Zhaohu Xing, Tian Ye, Xinyu Geng, Yunlong Lin, Jianyu Lai, Xuanhua He, Fuxiang Zhai, Jialin Gao, Lei Zhu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Meituan（美团） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 提出GenEvolve框架，通过工具编排的视觉经验蒸馏，使图像生成智能体在多样化任务中自我进化，提升工具使用和生成质量。

Uni-Edit: Intelligent Editing Is A General Task For Unified Model Tuning

Uni-Edit: 智能编辑作为统一模型调优的通用任务

Dian Zheng, Manyuan Zhang, Hongyu Li, Hongbo Liu, Kai Zou, Kaituo Feng, Hongsheng Li

机构 * CUHK MMLab（香港大学多模态实验室） ； Meituan（美团） ； TJU（天津大学） ； USTC（中国科学技术大学） 纠错

AI总结 提出将智能图像编辑作为统一多模态模型调优的通用任务，通过单一任务、单阶段训练和单一数据集同时提升图像理解、生成和编辑能力，并引入自动化数据合成流水线构建推理密集型指令数据集Uni-Edit-148k。

Comments Project Page: https://zhengdian1.github.io/Uni-Edit-proj/ Code: https://github.com/zhengdian1/Uni-Edit

4DThinker: Thinking with 4D Imagery for Dynamic Spatial Understanding

4DThinker: 用4D图像进行动态空间理解的思考

Zhangquan Chen, Manyuan Zhang, Xinlei Yu, Xiang An, Bo Li, Xin Xie, ZiDong Wang, Mingze Sun, Shuang Chen, Hongyu Li, Xiaobin Hu, Ruqi Huang

机构 * Tsinghua University, SIGS（清华大学 SIGS） ； Meituan（美团） ； The Chinese University of Hong Kong（香港中文大学） ； National University of Singapore（新加坡国立大学） ； LMMs-Lab（LMMs实验室） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 提出4DThinker框架，通过动态潜在心理图像（在连续隐藏空间中模拟场景演化）增强视觉语言模型的动态空间推理能力，并引入无标注数据生成、动态图像微调及4D强化学习，在多个基准上超越强基线。

Comments 21 pages, 16 figures