SolveEdit 用 2728 个场景变换任务测出最强生成模型仅 57.0% SolveScore,两阶段规划器把 GPT-Image-2 提到 71.6%
作者提出 SolveEdit 基准,把「视觉问题求解」定义为对给定图像按目标推断并执行有效场景变换、同时保留无关内容,包含 2,728 个案例、10 个领域与 54 个子领域,按决定变换的信息来源分为指令指定(IS)、状态依赖(SD)与规则依赖(RD)三类,并用原子变换契约与 SolveScore 在不依赖单一参考输出的情况下衡量完成度与附带改动;在 9 个图像到图像模型与 2 个图像到视频模型上,最强模型仅得 57.0% SolveScore,且 RD 比 IS 低 17.2 至 23.7 分,缺口集中在必需语义与关系条件;作者进一步提出两阶段视觉规划器 SolveEdit-Plan,在不改动生成器的前提下把 GPT-Image-2 从 57.