文生图（T2I）平台通常会针对每个提示返回多张图像，以便用户探索不同的视觉诠释，并从中选择符合其意图的结果。然而，T2I 模型通常针对单张图像的质量进行优化，这往往会牺牲多张图像之间的多样性，从而限制了这种探索。此外，多样性也具有上下文性：一位用户可能希望在背景上有所变化，另一位用户可能希望在艺术风格上有所变化，而同一位用户之后可能又希望在服装上有所变化。生成的图像应当在用户所关注的任意维度上产生差异。在本文中，我们提出了 T-DIG，这是一个面向图像生成与编辑的文本条件化多样性框架。T-DIG 是一个由多个模块组成的迭代式框架，用户可以输入提示、查看默认生成结果、通过自然语言请求变体，并持续精炼输出直到满意。其核心是一个 LLM 策略（policy），为冻结的生成器或编辑器生成 K 个以变化轴为条件的提示或编辑指令。我们使用 GRPO 训练该策略，并引入文本条件化多样性奖励和对齐惩罚。由于图像生成器保持冻结，T-DIG 可广泛适用于开放权重模型、蒸馏模型和专有模型。我们还发布了首个面向图像生成中文本条件化提示多样性的数据集，其中训练集和验证集基于人工编写的多样性轴构建，测试集则来自用户与 T-DIG 的真实交互。在多项指标和人工评估中，T-DIG 在提升文本条件化多样性方面远超基线方法，同时保持了与基础提示的对齐。我们证明，用户引导的多样性探索可以无缝加入到各种图像生成模型中，无论开源还是闭源，均无需访问其权重。Website: https://image-study.org/t-dig/