EvoGen-Harness：学习在何处以及如何改进图像生成Harness

通过调整冻结发电机周围的外部系统，可以在不修改发电机参数的情况下改进现代文本到图像（T2I）系统。然而，现有的方法通常优化预定义的维度，例如提示、路由或工作流程，限制了可以纠正生成故障的空间。允许多个生成器外部职责的演化提供了更广泛的适应空间，但也带来了新的挑战：视觉反馈揭示了失败的原因，但没有揭示持续演化应该发生在哪里，或者应该如何有效地探索这个空间。我们引入了 EvoGen-Harness，这是一种与生成器无关的框架，用于多责任图像生成Harness进化，以及 Trace（轨迹相对归因和协调进化）。跟踪在随机执行中聚合证据，使用故障归因作为焦点候选更新之前的搜索，并逐步重新归因残余故障以协调跨职责的演变，而无补丁和保留验证则可以防止不必要或有害的更新。在 GenEval2、T2I-CompBench++ 和 WISE 中，EvoGen-Harness 比最强评估基线分别提高了 +0.2633、+0.0720 和 +0.0752，同时实现了 87.9-91.4% 的归因召回率、94.8% 的无补丁准确度和仅 1.9% 的回归。这些结果表明，归因引导的多责任进化可以大大增强冻结的 T2I 系统，超越单维适应。