연구자들은 기본 모델을 동결한 채로 에이전트 기반 다중 참조 이미지 생성을 위한 실행 하니스를 자동으로 최적화하는 방법인 AutoRef를 제안합니다. 코딩 에이전트는 주체 누락과 부자연스러운 구성과 같은 과제를 해결하기 위해 하니스 코드를 반복적으로 다시 작성합니다.

  • 시스템은 피드백 작업을 선택 작업에서 분리하고 상위 랭크된 하니스의 빔을 사용하여 검색합니다.
  • AutoRef-Harness는 MultiBanana의 홀드아웃 4참조 작업에서 오픈 가중치 FLUX.2 4B 모델의 점수를 5.72에서 7.37로 개선했습니다.
  • 최적화된 하니스는 Nano Banana Pro 및 GPT-Image-1.5를 포함한 독점 모델과 동등하거나 이를 초과합니다.
  • 생성기, 참조 수, 벤치마크, 평가자 또는 추론 모델을 변경해도 재최적화 없이 결과가 효과적으로 유지됩니다.

이 접근 방식은 다양한 구성과 벤치마크에 일반화되는 고성능 하니스를 발견할 수 있게 합니다.