CanvasAgent: Enabling Complex Image Creation and Editing via Visual Tool Orchestration
A large-scale multimodal tool-use dataset and agent are presented for complex image creation workflows that orchestrate multiple visual tools through multi-turn interactions and hy…
Hugging Face · Daily Papers
·Hairui Zhu, Yiying Yang
·
·▲ 9 upvotes
Este artigo está em destaque na seleção diária de papers do Hugging Face, curada pela comunidade de pesquisa em IA.
Autores: Hairui Zhu, Yiying Yang, Tengjin Weng, Ziyu Lu, Xiao Yao, Xiaoyang Ye
- 9 upvotes da comunidade
- Temas: multimodal tool-use dataset, visual tools, multi-turn interaction, hybrid reward, GRPO, executable trajectories
Resumo
Resumo original (em inglês), extraído do paper:
A large-scale multimodal tool-use dataset and agent are presented for complex image creation workflows that orchestrate multiple visual tools through multi-turn interactions and hybrid reward optimization.Onde ler
// relacionados
Leia também
Editorial
GPT-Live-1: a OpenAI aposenta o walkie-talkie e faz a voz ouvir e falar ao mesmo tempo
Editorial
LingBot-VLA 2.0: a Ant abre um "cérebro" de 6B treinado em 60 mil horas de robôs reais
Editorial
UniClawBench: no mundo real, nenhum agente de IA passa da metade das tarefas
Blog