**Aphanta：诊断任务对齐的图像编辑中间件以增强多模态推理**

_Aphanta: Diagnosing Task-Aligned Image-Edited Intermediates for Multimodal Reasoning_

> Aphanta是一个自动化任务发现和闭环诊断框架，用于评估多模态大语言模型（MLLM）结合图像编辑器的推理能力。研究发现在视觉线索注入、定位和反事实状态实现等任务中，图像编辑器能显著提升性能（Qwen管道任务得分提升29.7%），但在需要符号敏感构建或结构外推的任务中可靠性较低。该研究将图像编辑定位为专门的视觉工作空间而非通用推理机制。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-08-28 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.26993)