研究人员提出了 AutoRef，一种自动优化用于智能体多参考图像生成的执行框架的方法，同时保持底层模型冻结。编码智能体迭代重写框架代码，以解决主体遗漏和不自然构图等挑战。
- 系统将反馈任务与选择任务分离，并使用顶级框架束进行搜索。
- AutoRef-Harness 将开放权重的 FLUX.2 4B 模型在 MultiBanana 保留四参考任务上的得分从 5.72 提升至 7.37。
- 优化后的框架匹配或超越了包括 Nano Banana Pro 和 GPT-Image-1.5 在内的专有模型。
- 在不重新优化的情况下，更改生成器、参考数量、基准、评估器或推理模型时，结果仍然有效。
这种方法允许发现在不同配置和基准测试中都能泛化的高性能框架。