Adobe đang thử nghiệm khả năng các tác tử AI sử dụng các công cụ chỉnh sửa tương tự một chuyên gia Photoshop.

Nghiên cứu AI Sao chép liên kết vào bộ nhớ tạm Chia sẻ bài viết này Chuyển đến phần bình luận Adobe thử nghiệm năng lực sử dụng công cụ chỉnh sửa của các tác tử AI tương tự chuyên gia Photoshop Jonathan Kemper Xem hồ sơ LinkedIn của Jonathan Kemper Ngày 1/11/2026 Nano Banana Pro được tạo từ câu lệnh của THE DECODER Các điểm chính Adobe Research và UC San Diego đã phát triển EditAgent, một hệ thống AI chia nhỏ tác vụ chỉnh sửa ảnh thành các bước phụ và kết hợp công cụ chỉnh sửa đa năng với các công cụ chuyên dụng cho các thao tác như làm nét hoặc phóng to. Một mô hình ngôn ngữ tiêu chuẩn sẽ đánh giá các biến thể hình ảnh được tạo song song, sử dụng các số liệu thống kê đo lường được và các phần ảnh cắt cận cảnh. Với dữ liệu này, mô hình đạt hiệu quả vượt trội so với các mô hình đánh giá được huấn luyện chuyên biệt cho tác vụ. EditAgent tạo ra kết quả chính xác hơn so với các tác tử AI trước đây nhưng đòi hỏi tài nguyên tính toán cao gấp khoảng mười lần. Kết quả đã qua kiểm định sau đó có thể được sử dụng để huấn luyện các mô hình chỉnh sửa có tốc độ xử lý nhanh hơn. Đặt câu hỏi về bài viết này… Tìm kiếm Các nhà nghiên cứu của Adobe đã phát triển một tác tử AI phục vụ chỉnh sửa hình ảnh, kết hợp công cụ chỉnh sửa đa năng với các công cụ chuyên dụng. Một mô hình ngôn ngữ tiêu chuẩn sẽ so sánh các kết quả dựa trên dữ liệu đo lường cụ thể và lựa chọn phương án tối ưu nhất. Các tác tử AI chỉnh sửa hình ảnh hiện nay thường chia nhỏ yêu cầu phức tạp thành các bước và lặp lại các bước thất bại bằng chính công cụ đó, trong khi một mô hình riêng biệt sẽ đánh giá kết quả đầu ra thuần túy bằng trực giác thị giác. Theo một bài báo nghiên cứu mới, các nhà khoa học tại Adobe Research và UC San Diego muốn thay đổi phương thức này thông qua EditAgent – hệ thống hoạt động tương tự một chuyên gia sử dụng phần mềm Photoshop. Hệ thống sẽ lựa chọn công cụ thích hợp cho từng tác vụ và so sánh kết quả với bản gốc bằng các số liệu cụ thể. Thay vì liên tục lặp lại các thao tác trên cùng một công cụ chỉnh sửa, EditAgent tạo song song các phương án ứng viên bằng nhiều phương pháp khác nhau và sử dụng một mô hình ngôn ngữ nguyên bản để so sánh tất cả các phương án cùng một lúc. | Ảnh: Adobe Các công cụ chỉnh sửa đa năng không đáp ứng được nhiều tác vụ Trong thử nghiệm với 600 lượt chỉnh sửa ảnh được năm chuyên gia đánh giá độc lập (đánh giá mù), công cụ chỉnh sửa đa năng Flux-2-Klein-9B không tạo ra được kết quả khả dụng trong 42,7% trường hợp. Các công cụ chuyên dụng đã giải quyết được khoảng hai phần ba số trường hợp thất bại này, đặc biệt đối với các thao tác làm nét, xoay và phóng to. Việc tiếp tục thử lại nhiều lần với cùng một công cụ chỉnh sửa gần như không mang lại hiệu quả. Nhóm nghiên cứu cũng tiến hành thử nghiệm nhằm xác định tác tử AI sẽ hoạt động hiệu quả hơn khi tinh chỉnh kết quả theo từng bước hay khi tạo song song nhiều biến thể. Quá trình tinh chỉnh lặp lại làm tích tụ các sai số nhỏ do mỗi vòng xử lý đều dựa trên một hình ảnh đã bị can thiệp trước đó. Các chuyên gia đã ưu tiên lựa chọn các biến thể được tạo song song trực tiếp từ ảnh gốc trong 78,5% các trường hợp có đưa ra lựa chọn. Đồng thời, tác tử này chỉ cần một nửa số lượt đánh giá. EditAgent được xây dựng dựa trên hai phát hiện thực nghiệm này. Dữ liệu định lượng giúp nâng cao năng lực đánh giá của các mô hình tiêu chuẩn EditAgent lập kế hoạch xử lý yêu cầu theo từng bước và đối chiếu công cụ chỉnh sửa đa năng với các công cụ chuyên dụng phù hợp tại mỗi bước. Sau đó, một mô hình ngôn ngữ tiêu chuẩn sẽ so sánh tất cả các biến thể chỉ trong một lượt duyệt duy nhất. EditAgent chia nhỏ yêu cầu thành các bước phụ thuộc lẫn nhau và tạo ra nhiều phương án cho mỗi bước. Một mô hình ngôn ngữ sẽ chọn ra kết quả tốt nhất dựa trên dữ liệu xác thực. | Ảnh: Adobe Đối với mỗi phương án, mô hình nhận được một bản ghi xác thực gồm hình ảnh cận cảnh khu vực chỉnh sửa, bản đồ thay đổi các vùng bị tác động, cùng số liệu thống kê đo lường về độ sáng và màu sắc. Trong một ví dụ, bức ảnh được yêu cầu tăng sáng nhẹ. Các số liệu cho thấy công cụ chỉnh sửa đa năng đã làm ảnh bị thừa sáng và chuyển tông màu sang ấm hơn. Trong khi đó, công cụ chuyên dụng vẫn duy trì đúng quy chuẩn kỹ thuật. Hình ảnh cận cảnh và số liệu thống kê đo lường hình ảnh chỉ ra những sai sót mà mô hình ngôn ngữ bỏ qua khi chỉ quan sát toàn bộ bức ảnh. | Ảnh: Adobe Các nhà nghiên cứu đã thử nghiệm phương pháp này trên bộ dữ liệu đánh giá chuẩn gồm 600 tác vụ chỉnh sửa. Mô hình đánh giá phải chọn ra kết quả tốt nhất từ nhiều phương án, và nhóm nghiên cứu đã thống kê tần suất mô hình chọn được hình ảnh mà các chuyên gia cũng đánh giá là có thể sử dụng được. Để so sánh, họ đã cho chạy các mô hình như EditScore – vốn được tinh chỉnh dựa trên đánh giá của con người về chất lượng chỉnh sửa hình ảnh. Khi không có bản ghi xác thực, không có mô hình nào trong số bảy mô hình ngôn ngữ được thử nghiệm đạt hiệu quả tương đương mô hình tinh chỉnh tốt nhất. Tuy nhiên, khi có dữ liệu này, cả bảy mô hình đều vượt qua tất cả các mô hình tinh chỉnh. Qwen3.8-27B đã đưa ra lựa chọn có thể sử dụng được với tỷ lệ 81,3%, so với mức 74,8% của EditScore-72B. Theo các nhà nghiên cứu, điều này cho thấy dữ liệu đầu vào mà một mô hình đánh giá tiếp nhận có thể đóng vai trò quan trọng hơn phương thức mô hình đó được đào tạo. Với dữ liệu xác thực, mọi mô hình ngôn ngữ tiêu chuẩn được thử nghiệm đều vượt trội so với mô hình đánh giá được tinh chỉnh mạnh nhất là EditScore-72B (74,8%). | Ảnh: Adobe Sau mỗi lượt, EditAgent cũng kiểm tra xem các chỉnh sửa sau có vô tình làm mất các thay đổi trước đó hay không. Trong ví dụ của nghiên cứu, câu lệnh "cho thêm nhiều ánh sáng ban ngày hơn" đã làm một ô cửa sổ vốn được làm mờ trước đó trở nên trong suốt trở lại. Tác tử đã phát hiện ra xung đột này và tiến hành khắc phục. Quá trình hậu kiểm sau mỗi lượt bảo đảm các chỉnh sửa tiếp theo không âm thầm làm mất các thay đổi trước đó. | Ảnh: Adobe EditAgent đã cải thiện hiệu quả của các công cụ chỉnh sửa mã nguồn mở Qwen-Image-Edit-2511 và Flux-2-Klein-9B trên ba bộ chuẩn đánh giá, đồng thời vượt qua bảy tác tử AI khác. Trên bộ chuẩn EdiVal, biến thể Qwen ở lượt chỉnh sửa thứ ba đã vượt qua các mô hình thương mại Seedream 4.0 và GPT-Image-1.5. Dù vậy, tác tử này đòi hỏi năng lực tính toán gấp khoảng 10 lần so với một công cụ chỉnh sửa đơn lẻ, và hiệu quả hoạt động phụ thuộc vào các công cụ được tích hợp. Tác tử tạo dữ liệu đào tạo cho các công cụ chỉnh sửa tốc độ cao Các nhà nghiên cứu cũng sử dụng EditAgent làm nguồn dữ liệu. Do tác tử chỉ giữ lại các kết quả đã qua xác thực, hệ thống đã tạo ra khoảng 26.000 mẫu dữ liệu đào tạo. Các công cụ chỉnh sửa được tinh chỉnh dựa trên nguồn dữ liệu đó đều đạt hiệu suất cao hơn trên cả ba bộ chuẩn đánh giá. Ngược lại, dữ liệu đào tạo do chính FLUX tạo ra lại làm giảm chất lượng của mô hình này. Sự đánh đổi đó có thể khiến chi phí điện toán cao của tác tử trở nên xứng đáng về lâu dài. Adobe đã bổ sung các tác tử AI vào Photoshop, Premiere và các ứng dụng khác thuộc Creative Cloud từ tháng 6 dưới dạng phiên bản thử nghiệm công khai (public beta). Người dùng chỉ cần mô tả yêu cầu, tác tử sẽ tự xử lý từng bước riêng biệt. Khả năng các tác tử này lựa chọn đúng công cụ và tự kiểm tra...