Los investigadores proponen AutoRef, un método que optimiza automáticamente el arnés de ejecución para la generación de imágenes con múltiples referencias mediante agentes, manteniendo congelados los modelos subyacentes. Un agente de codificación reescribe iterativamente el código del arnés para abordar desafíos como la omisión de sujetos y composiciones antinaturales.

  • El sistema separa las tareas de retroalimentación de las de selección y busca utilizando un haz de arneses mejor clasificados.
  • AutoRef-Harness mejora la puntuación del modelo FLUX.2 4B de peso abierto en tareas de cuatro referencias retenidas de MultiBanana, pasando de 5.72 a 7.37.
  • El arnés optimizado iguala o supera a modelos propietarios como Nano Banana Pro y GPT-Image-1.5.
  • Los resultados siguen siendo efectivos al cambiar el generador, el número de referencias, el benchmark, el evaluador o el modelo de razonamiento sin reoptimización.

Este enfoque permite descubrir arneses de alto rendimiento que se generalizan a través de diferentes configuraciones y benchmarks.