用CoT验证式奖励模型+GCPO算法显著提升图像编辑模型的指令遵循能力

把视觉规划重构为单步图像编辑任务EAR，配合AMAZE基准系统评估前沿模型的推理能力。

提出 Meta-CoT 范式,结合三要素任务分解与五元任务组合,在 Bagel 上实现 21 任务平均 6.415(+15.8%)、ImgEdit 3.83(+11.7%) 的图像编辑能力。

无需微调，借分块反演与NDCFG++让扩散模型实现4K高分辨率文本引导编辑

基于离散扩散LLM的统一多模态模型，语义VQ+MoE主干+扩散解码器三件套打通图文

提出 GSI-Bench：首个生成式空间智能基准，仿真训练可提升空间编辑与理解。

用可学习query token对齐MLLM与扩散模型的低成本统一多模态生成框架

统一推理与生成的自动摄影图像编辑框架

用VLM奖励+Flow-GRPO后训练，让图像编辑更贴合人类审美。

首个把HOI生成与编辑统一在单一DiT中的框架,首次实现多交互编辑。

基于 Focus-and-Refine 的区域化图像精修，在用户指定区域内恢复细节且严守背景不变。

用多奖励 Langevin 动力学 + 提示感知自适应策略，在推理时免训练、免反演地引导扩散/流匹配模型

将多模态生成重构为视觉流匹配，用图像入图像出范式统一文生图、编辑与物理指令任务。

提出空间编辑基准+50万条合成数据+16B模型，专攻物体平移/旋转与相机视角控制。

把FlowEdit速度分解为保真项与引导项，仅缩放引导项即实现稳定滑块控制。

提出基于VQA的自动化评估框架CREval和基准CREval-Bench，解决复杂创意图像编辑的评估难题

提出统一的图像生成/编辑评估基准，覆盖6任务6主题，用可解释标注揭示模型失败模式

提出综合评估基准GEditBench v2和成对评估模型PVC-Judge，解决图像编辑评估难题

0.39B参数统一扩散模型，在手机端实现<1秒图文生成与编辑

通过连续情感标注和对称对比学习实现精细可控的面部表情编辑