这项由香港中文大学郭子宇、张任瑞等研究人员联合北京大学、上海😎人工智能实验室等机构开展的突破性研究，于2025年1月发表在😘arXiv预印本平台，论文编号arXiv:2501.1392😢6v2。有兴趣深入了解的读者可以通过https://gith🥳ub.com/ZiyuGuo99/Image-Generat🤔ion-CoT访问完整论文和代码。 想象一下，你让AI⭐画一张"红苹果放在椭圆盘子上"的图片。传统的AI就像一个闷头👏苦干的画师，拿起笔就开始画，经常画出奇怪的结果——比如苹果是👍绿的，或者盘子变成了正方形。而现在，研究团队教会了AI像人类❤️画家一样"边画边思考"：先想想"我要画什么？""这一笔画得对💯吗？""需要修改什么？"然后再继续画下去。 这种让AI🌟"思考着画画"的方法，就是从OpenAI的o1模型那里借鉴来💯的"链式思维推理"技术。就好比教孩子做数学题时，不是直接给答😴案，而是教他们一步步分析："第一步要做什么？""第二步呢？"🤯"这样做对不对？"现在，研究团队把同样的思路应用到了AI绘画🤩上，让机器也能像人一样有条不紊地创作。 研究团队发现了😆一个有趣的现象：现在主流的AI绘画模型大多采用"扩散模型"技😡术，就像在一张模糊的画布上逐渐清晰化图像。但还有另一类模型叫😍"自回归生成模型"，它们的工作方式更像人类画画——一个区域一😂个区域地逐步完成，每画一笔都要考虑前面已经画好的部分。这种特😘性让它们天然适合"边画边思考"的训练方式。 研究团队以🚀Show-o模型为基础，就像选择了一个有潜力的学徒画师，然后🤔通过三种巧妙的训练方法来提升它的绘画水平。第一种方法叫"测试🤩时验证"，就像给画师配了一个严格的评审员，画完每一步都要检查😁："这一笔画得怎么样？"如果不满意就重新画。第二种方法是"偏😂好对齐训练"，相当于让画师多看优秀作品和糟糕作品的对比，逐渐👍培养出好的审美品味。第三种方法是把前两种结合起来，既有严格的👏评审，又有不断的品味培养。 在"测试时验证"的探索中，😁研究团队发现了一个关键问题：传统的评判标准不太适用于绘画过程🔥。就像评价一个厨师，你不能只看最后的菜品，还要看整个烹饪过程🙌中的每个步骤。对于绘画AI来说，早期的画面往往很模糊，就像素🥳描的初稿，很难判断好坏；而后期的画面虽然清晰，但不同路径画出🙌的结果往往很相似，也难以区分优劣。 为了解决这个问题，🥳研究团队开发了一个专门的"潜力评估奖励模型"（PARM），就👏像培训了一个既懂绘画技法又有长远眼光的艺术老师。这个老师不仅😁能看出现在的画面质量，还能预测"这样画下去最终会是什么效果"🤔。更厉害的是，PARM还知道什么时候该开始认真评价——太早了🥳画面还太模糊没法判断，太晚了已经定型没法修改，只有在恰当的时🤔机才给出指导意见。 展开全文 PARM的工作方式😜分为三个步骤，就像一个经验丰富的绘画导师。首先是"清晰度判断👍"：它会观察当前的画面，判断是否已经足够清晰到可以进行评价。🚀如果画面还太模糊，就耐心等待；如果已经比较清晰了，就进入下一🔥步。然后是"潜力评估"：它会分析这个画面继续画下去是否有希望😎达到理想效果，就像一个老师看学生的草图时能预判最终作品的质量😁。最后是"最终选择"：从所有被判定为"有潜力"的画作中挑出最🙌好的一个作为最终结果。 研究团队还开发了PARM++，🤔这相当于给AI画师增加了"自我反思"的能力。当PARM++觉😅得画作还不够好时，它会具体指出哪里有问题，比如"物体颜色不对😡"或"位置关系错误"，然后引导AI重新修改。这就像一个画家画😂完后自己审视作品，发现问题后主动修正，而不是被动接受批评。 👍 在实际测试中，研究成果表现令人惊喜。在Geneval这⭐个专业的图像生成评测基准上，经过"思维训练"的AI比原来的基😀础模型提高了24%，甚至比著名的Stable Diffusi🤯on 3模型还要高出15%。这就好比一个原本中等水平的画师，😡经过系统训练后不仅大幅提升了自己的水平，还超越了一些知名画家👍。 研究团队特别关注那些最考验AI绘画能力的场景，比如🤩画多个物体、数数、准确表达颜色、描述空间位置关系等等。传统的👏AI在这些方面经常出错，比如让它画"三个红苹果"，结果画成了🎉两个绿苹果；让它画"蓝色杯子在红色书本左边"，结果位置关系完👏全颠倒。而经过"思维训练"的AI在这些方面都有了显著改善，就😆像一个原本粗心的学生变得细致认真了。 从技术角度来看，😎这项研究的创新之处在于首次系统性地将"链式思维推理"应用到了😊自回归图像生成领域。研究团队不是简单地照搬文本领域的方法，而🤩是深入分析了图像生成的特殊性，设计了专门适合的训练和评估策略😍。他们发现，相比于传统的奖励模型，PARM能够更好地处理图像😆生成过程中的模糊性和渐进性特征。 值得注意的是，这种方🚀法不仅适用于Show-o模型，研究团队还在LlamaGen和😎Janus-Pro等其他自回归生成模型上进行了验证，都取得了😀一致的改善效果。这说明"让AI思考着画画"这个思路具有很好的😅普适性，就像一套好的教学方法可以应用到不同的学生身上。 😡 研究过程中也暴露了一些有趣的现象。比如，单纯的"测试时验证😁"效果不如"偏好对齐训练"，这说明让AI通过对比学习来提升品🙌味，比单纯的反复检查更有效。但是当两种方法结合使用时，效果会🎉进一步提升，这证实了不同训练策略的互补性。 从实际应用🥳的角度来看，这项技术可能会改变我们与AI绘画工具的交互方式。❤️目前的AI绘画工具往往需要用户不断调整提示词、反复生成，直到🙄得到满意的结果。而具备"思维能力"的AI可能会更加智能，能够😅理解复杂的描述，自主处理细节问题，减少用户的试错成本。 😆 研究团队还发现，让AI进行"自我反思"虽然会带来额外的计算🌟开销，但能够显著提升最终结果的质量。这就像让画家多花一些时间🙄思考和修改，虽然效率略有下降，但作品质量会大幅提升。在实际应😎用中，用户可以根据需求选择是要快速生成还是高质量生成。 🤗 这项研究的意义不仅限于技术层面，它还为AI创作领域提供了新😆的思路。传统上，我们往往把AI看作是一个"黑盒子"，输入需求😴就输出结果。而这项研究展示了让AI具备"元认知"能力的可能性💯——不仅知道如何做，还知道如何检查自己做得对不对，如何改进。🚀 当然，这项技术也有其局限性。目前的方法主要针对自回归😘生成模型，对于占据主流地位的扩散模型还需要进一步的适配和优化🤯。此外，增加的"思维"过程会带来一定的计算开销，在资源受限的🤩环境下可能会影响使用体验。研究团队在论文中诚实地讨论了这些限🚀制，并提出了未来的改进方向。 从更广阔的视角来看，这项😢研究是AI能力演进的一个重要里程碑。它不仅仅是让机器画画画得🤔更好，更重要的是探索了让机器具备"自我意识"和"反思能力"的😜路径。这种"会思考的AI"可能会在更多领域发挥作用，从写作、😆编程到科学研究，都可能受益于这种"边做边思考"的智能模式。 😎 总的来说，香港中文大学团队的这项研究为AI绘画领域带来😀了新的突破，不仅在技术上实现了显著的性能提升，更在理念上展示🌟了"思考型AI"的巨大潜力。随着这项技术的进一步发展和优化，😀我们可能会看到更加智能、更加可靠的AI创作工具，它们不仅能够😢理解我们的需求，还能像人类创作者一样进行思考、判断和自我完善🤯。 Q&A Q1：PARM是什么？它跟传统的AI😅绘画评判方法有什么不同？ A：PARM是"潜力评估奖励🚀模型"的简称，是专门为AI绘画设计的智能评判系统。传统方法要🚀么只看最终结果，要么对每个步骤都强行评判，而PARM更聪明—😁—它知道什么时候该开始评价（画面足够清晰时），能预测画作的发😴展潜力，就像一个经验丰富的绘画老师既能看出学生草图的问题，又😉能预判最终效果。 Q2：这种让AI"边画边思考"的方法😉会让绘画速度变慢吗？ A：确实会增加一些计算时间，因为🙄AI需要额外的"思考"过程来评估和调整。但研究团队发现这种时😜间投入是值得的——虽然单次生成稍慢一些，但画出好作品的成功率😎大大提高，用户不需要反复重新生成，总体效率反而可能更高。就像🤗画家多花时间思考构图，虽然慢一点但能避免返工。 Q3：🙌这项技术什么时候能在日常的AI绘画工具中使用？ A：目😅前研究团队已经在GitHub上开源了相关代码（https:/🙄/github.com/ZiyuGuo99/Image-Ge⭐neration-CoT），技术开发者可以基于此进行开发。但😡要集成到像Midjourney、Stable Diffusi😅on这样的主流工具中，还需要进一步的工程优化和适配工作。预计🙌在未来1-2年内，我们可能会在一些新的AI绘画产品中看到类似😎的"思考型"功能。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

这一惊人增幅直接印证了中美贸易关系改善带来的直接影响——双方😴5月达成贸易协议后，中国迅速恢复包括稀土在内的关键原材料出口😀，而美国也取消了对AI芯片等技术的限制。当美国还在为短期供应😉恢复沾沾自喜时，中国已用一套…