@HuggingPapers: Editable Visual Design 全新范式：编程智能体以 VLM 为创意大脑、图像模型为视觉模拟……

X AI KOLs Timeline 2026/09/06 08:12 论文

visual-design vlm image-generation coding-agent generative-ai

摘要

一种全新范式使编程智能体能够以 VLM 为创意大脑、图像模型为视觉模拟器，生成包含真实文字、解耦图层且完全可编辑的海报与信息图。

Editable Visual Design 全新范式下，编程智能体以 VLM 为创意大脑、图像模型为视觉模拟器，生成包含真实文字、解耦图层且完全可编辑的海报与信息图。https://t.co/N6twfUUAlE

查看原文

查看缓存全文

缓存时间: 2026/09/06 18:53

可编辑的视觉设计

一种新的范式：编码智能体将 VLM 作为创意大脑、图像模型作为视觉模拟器，生成带有真实文本、解耦图层且完全可编辑的海报与信息图。https://t.co/N6twfUUAlE

相似文章

Hugging Face Daily Papers

由视觉语言模型引导的编码代理通过合成视觉资源和优化HTML/CSS布局，生成可编辑的分层设计，实现具有精确控制的后编辑。

Hugging Face Daily Papers

本文探索了利用通用编码智能体通过可执行程序而非生成模型来构建图像的方法，引入了 AgentDrawBench 基准测试，并发现智能体在不同的绘图接口之间保持了一套共享的内部视觉思维语言。

TLDR AI

文章认为，视觉AI的下一个前沿是生成代码（例如SVG、HTML/CSS、React组件），而非原始像素，从而实现了可编辑性、迭代性以及与专业设计和开发工作流程的集成。

arXiv cs.CL

介绍了VisEditBench，这是一个包含1,395个人工标注的可视化代码编辑任务的基准，面向视觉语言模型，涵盖反馈引导的修复和参考引导的重新样式化。评估了20个VLM，并提出了VisEditAgent，一个基于渲染的编辑框架，将通过率从55.75%提升到67.99%。

arXiv cs.AI

一篇研究论文探讨了视觉语言模型（VLM）如何使用和解读视觉符号，发现像红心这样的简单视觉图案可以隐式引导模型行为（例如，使其倾向于采用递归编程方案），而且模型能够发展出不同于人类惯例的创造性视觉交流策略。