ツール使用型統一モデル「ToolArtist」が画像生成の推論を可能に

記事の3ポイント

1. 1

   完全自律型の画像生成アプローチ

   既存の手法が固定されたワークフローや部分的なエージェント制御に留まる中、推論、ツール呼び出し、画像生成を単一のポリシーで統合する「ToolArtist」を提案した。

2. 2

   統一型マルチモーダルモデルへの後方互換性トレーニング

   教師エージェントによる検索および画像生成ツールの使用軌跡を収集し、画像生成ツールを隠蔽しつつ結果画像を保持する形式に変換して、統一型マルチモーダルモデル（UMM）に微調整した。

3. 3

   Reason-Act-Draw GRPOの導入

   強化学習段階で、補完的な意図と品質報酬を用いてモデルを共同最適化する「Reason-Act-Draw GRPO（RAD-GRPO）」という新しい手法を開発した。