PreActIR：预测工具后果的图像修复智能体框架

2026年10月15日，arXiv Computer Vision 报道了 Xu Zhang 等人提出的 PreActIR 智能体图像修复框架。该框架的核心思路是“先预测后执行”：在执行工具前，通过工具条件世界模型预测残差退化、图像质量与保真度变化以及风险与不确定性，再由独立验证器决定提交或回滚操作。在固定候选池、验证器和预算的受控评测中，PreActIR 相比“先执行后评估”的试错方式，减少了 42.5% 的真实工具调用和 63.4% 的被拒调用，Y-PSNR 提升 0.92 dB。目前该工作以预印本形式发布，尚无后续跟进报道，评测结果均来自其自述的受控实验条件。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。