ToolArtist：用于智能体图像生成的工具使用型统一多模态模型

英文标题：ToolArtist: Tool-Using Unified Multimodal Models for Agentic Image Generation

ToolArtist 提出了一种面向智能体图像生成的工具使用型统一多模态模型。论文指出，尽管文本生成图像（T2I）模型已能生成视觉效果出色的图像，但在需要复杂语义理解、多步推理和整合外部世界知识的开放世界任务中仍存在局限。该工作旨在通过引入工具使用能力，提升模型处理复杂图像生成任务的能力与可扩展性。论文以 arXiv:2608.04436v1 形式发布，当前为新投稿版本。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB