无需外部裁判，统一多模态模型自主看图改图，图像修复成功率提升三倍

这套叫做 UMM‑Reflection 的新方案，依托 BAGEL 统一多模态底座完成训练，最大亮点就是推理阶段完全不用外挂打分模型、外部裁判或者独立奖励模型，同一个模型既能画图，又能自己看懂画面缺陷、诊断问题、迭代修改，还能自行判断什么时候停止修正，实验数据显示原本出错图片的修复成功率从 20.6% 拉高到 64.9%，刚好接近三倍提升，GenEval 指标从 0.72 上涨到 0.84，空间位置子分数涨幅尤其突出，在 WISE、OneIG‑Bench 等训练阶段没有见过的测试集上面同样有不错泛化效果，不管是文生图容易出现的物体数量错误、位置错乱、属性绑定出错，还是复杂指令对应的精细化图像编辑，都能用这套自反思闭环优化，对做 AI 绘图、自动化修图、多模态智能体配图的开发者来说，它降低了整套系统的部署复杂度，不用额外维护一个用来审图的独立模型。过去主流的自校正生图方案，大多采用双模型架构，生成模型负责出图，外部裁判、独立 VLM 负责打分挑错，整套链路臃肿，推理成本高，而且外部评判模型本身自带偏见，一旦裁判判断出错，后续修改方向也跟着跑偏；还有不少方案只对生成头单独做强化学习，没有打通理解和生成模块，很难学会稳定的自修正路径；UMM‑Reflection 的思路是把一整条 “自检、诊断、修改” 轨迹当成强化学习单元，用轨迹级 GRPO 同时更新文本反思头和流生成头，让模型学会挑选真正有效的修改路径，而不只是学会输出纠错格式。整套落地流程分成两阶段训练，推理阶段直接跑循环，不需要外部打分模块介入。

• UMM‑Reflection 核心指标对照表
• 两阶段训练流程清单
• 第一阶段：反思 SFT 冷启动
• 第二阶段：全轨迹强化学习
• 模型自主看图改图运行闭环
• 第一步：接收提示词，生成第一张初始图像
• 第二步：模型读取自己生成的图片，自主诊断里面存在的缺陷，比如物体数量不对、位置冲突、颜色属性错误
• 第三步：生成对应的编辑指令，执行重绘修改
• 第四步：再次检视新图，判断是否满足用户要求
• 第五步：达标就终止流程；依然存在错误，继续循环修正；判定无法修复则停止迭代
• 补充：整套循环最多设置三轮反思，防止无限迭代、消耗过量算力
• 能力边界与适用场景
• 适合场景：文生图自动纠错、长提示词复杂构图生成、批量配图自动化、Agent 内置图像自校验、图像精细化迭代编辑
• 优势点：单模型部署，链路简单；分布外基准泛化好；对位置、计数这类高频翻车问题改善明显
• 现存短板：如果原图本身语义歧义极强，自诊断依然会出现误判；多轮反复修正会增加推理耗时和算力开销；极端创意风格的画面，自修正不一定符合人类审美偏好
• 配套开源资源：研究团队同步放出模型权重、训练代码、轨迹数据集，开发者可以基于 BAGEL 底座继续微调或者直接接入自己的生图管线
• 和传统外部裁判方案对比

使用整理好的多轮反思轨迹数据做监督微调，教会模型固定输出结构，能够识别画面错误，写出结构化诊断内容，输出对应的编辑动作，这个阶段只是学会格式，修复效果有限。

采用分组相对策略优化，共享同一张初始出错图像，多条轨迹互相对比，用整条轨迹的回报同时更新理解分支和图像生成分支，让模型筛选有效的修正路径，而不是单纯模仿样本。

外挂裁判方案要维护两套模型，生成一套、打分一套，推理的时候两次调用，延迟、显存占用、成本更高，裁判模型的偏好会强行主导修改方向；而这套自反思方案，评判标准来自模型自身学到的视觉对齐能力，整套链路更简洁，更容易塞进端侧或者在线生图服务里面，后续也可以嵌入统一多模态智能体，让智能体出图之后自行校验，不用额外调用第三方审图接口。

总的来说，这个研究最重要的价值，证明统一多模态模型可以把看图评判、图像生成融合在同一个权重之内，摆脱对独立外部裁判的依赖。它不是一次性解决图像生成全部幻觉，但是把最常见的构图、计数、空间错误的自修复能力拉到可用区间，后续沿着这个思路继续优化，未来很多生图服务都可以内置低成本的自校正环节。

常见问题

问题 1：这套可以自主看图改图、修复成功率提升三倍的统一多模态模型方案，名字叫什么？

回答 1：这套可以自主看图改图、修复成功率提升三倍的统一多模态模型方案叫做 UMM‑Reflection，基于 BAGEL 统一多模态底座开发。

问题 2：无需外部裁判、自主看图改图的统一多模态模型，在推理的时候还需要独立打分模型吗？

回答 2：无需外部裁判、自主看图改图的统一多模态模型，推理阶段完全不需要独立打分、外部裁判模型，自检和修改全部由同一个模型闭环完成。

问题 3：能够自主看图改图、修复成功率提升三倍的统一多模态模型，修复成功率具体是怎么变化的？

回答 3：能够自主看图改图、修复成功率提升三倍的统一多模态模型，基线 SFT 修复率大约 20.6%，经过强化学习之后提升至 64.9%。

问题 4：采用自主看图改图的统一多模态模型，它的强化学习是只更新图像生成模块吗？

回答 4：采用自主看图改图的统一多模态模型，强化学习面向完整轨迹，同时更新负责反思诊断的文本头以及图像流生成头，不是只更新生成模块。

参考资料

[2026-11-11]（不靠外部裁判，统一多模态模型学会自己「看图改图」：修复成功率提升到 3 倍）机器之心（腾讯新闻）

[2026-11-11]（Unified Multimodal Models Learn to "See and Edit Images" Autonomously Without External Judges）C114Pro

[2026-09-28]（UMM-Reflection: Learning Native Reflection in Unified Models）rcap

[2026-09-26]（Learning Native Reflection in Unified Models with Interleaved Reinforcement Learning）arXiv

[2026-09-26]（UMM-Reflection 论文解读：统一多模态模型原生自反思）Hugging Face Daily Papers

免责声明

本文全部信息来自公开论文、前沿科技媒体报道整理，仅作为 UMM‑Reflection 统一多模态自反思图像生成技术科普参考，不构成图像生成服务、模型二次开发、线上业务部署的落地决策建议；模型修复效果、推理速度、泛化能力会随版本、采样参数改变，开源权重、训练脚本、许可协议以项目官方仓库与论文最新说明为准，自修正不能完全消除图像生成幻觉，面向商用生产场景仍建议搭配人工复核。

继续发送标题，我继续产出。