FaSTA$^*$：面向高效多轮图像编辑的带子程序挖掘快慢工具路径智能体
计算机视觉与模式识别
2026-05-07 v2
摘要
我们开发了一种成本高效的神经符号智能体，以处理具有挑战性的多轮图像编辑任务，例如“检测图像中的长椅并将其重新着色为粉色。同时，移除猫以获得更清晰的视图，并将墙壁重新着色为黄色。”它将大型语言模型（LLM）快速、高级的子任务规划与每个子任务缓慢、精确、工具使用及局部 A 搜索相结合，以寻找成本高效的工具路径——即对 AI 工具的调用序列。为了节省 A 在类似子任务上的成本，我们通过 LLM 对先前成功的工具路径进行归纳推理，以持续提取/精炼常用子程序，并将其作为新工具在自适应快慢规划中重用于未来任务，其中首先探索高级子程序，仅当其失败时才激活低级 A 搜索。可重用的符号子程序显著节省了应用于相似图像的同类子任务上的探索成本，产生了一个类人快慢工具路径智能体“FaSTA”：首先由 LLM 尝试快速子任务规划及随后的基于规则的各子任务子程序选择，预计这能覆盖大部分任务，而缓慢的 A 搜索仅针对新颖且具挑战性的子任务触发。通过与近期图像编辑方法比较，我们证明 FaSTA 在计算效率上显著更高，同时在成功率方面与 SOTA 基线保持竞争力。我们的代码和数据可在 https://github.com/tianyi-lab/FaSTAR 获取。
引用
@article{arxiv.2506.20911,
title = {FaSTA$^*$: Fast-Slow Toolpath Agent with Subroutine Mining for Efficient Multi-turn Image Editing},
author = {Advait Gupta and Rishie Raj and Dang Nguyen and Tianyi Zhou},
journal= {arXiv preprint arXiv:2506.20911},
year = {2026}
}
备注
The Fourteenth International Conference on Learning Representations