一句话看懂：arXiv 新论文提出 StruPO，用校准后的场景图约束提示词改写，让文生图在保持画风的同时更忠实于用户指定的物体与关系，并声称可一次生成优化提示、无需反复批评—重写循环。
事件核心：发生了什么
2026 年 10 月 28 日，arXiv cs.AI 收录论文《From Structural Feedback to Prompt Policies: Learning Faithful Text-to-Image Prompt Editors》。作者指出，现有提示优化常把“改得好看”和“保留场景”混为一谈：即使整体图文相似度仍高，物体属性和空间关系也可能在风格化改写中被削弱。StruPO 把校准场景图当作共享表示，同时用于策略条件和图像监督，并通过删除、重排、插入三种与 token 对齐的局部编辑来修改提示。摘要称，实验覆盖三个互不重叠的 2K 提示测试集、四个冻结生成骨干，并加入 15 名标注者研究；目前公开信息仅限摘要，全文实验细节和可用产品尚未核验。
为什么重要
提示词工程正从人工试错走向可学习、可复用的编辑策略。StruPO 的关键在外推一层：它不把结构反馈当外部评审，而是转成训练信号，同时处理场景图定位不确定和图像生成随机性，用平滑奖励塑形与多图平均计算组相对优势。与扩散模型微调、推理时注意力控制等路线相比，这类方法不依赖改模型权重，理论上更容易接入闭源或冻结 API 的文生图服务，对提示优化工具链和评测标准都有参考意义。
对用户/开发者/创作者的影响
对普通用户，这意味着未来图像生成工具可能更少出现“风格变了、关系丢了”的返工；对开发者，场景图作为中间表示可能成为提示编辑 API 的可选输入，便于批量处理复杂构图；对创作者，关系复杂度越高，摘要称人类偏好差距越明显，但前提是工具落地并经过真实工作流验证。目前不宜把它当成成熟产品，只能视为一种训练侧方法。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是全文是否公开完整评测协议，尤其是三个 2K 测试集和四个冻结骨干的具体配置；二是该方法能否适配商业闭源图像生成 API，而非仅限实验室模型；三是场景图校准环节是否引入额外人工或算力成本，决定它能否进入实际创作工具。
来源：arXiv cs.AI
