多步骤指令

从计划到像素：学习规划与协调开放式图像编辑

该论文提出一个经验式框架，通过规划器生成原子分解步骤与协调器执行每一步，并利用视觉语言评估器提供奖励信号，从而处理抽象、多步骤的开放式图像编辑指令。