IXThinker·2026-05-28 15:00

智能體多輪迭代提升視覺分割準確率

視覺分割說來簡單，做起來容易失手：目標含糊、被遮擋或需要推理才能定位時，模型一次猜中掩碼甚難。復旦與創智學院團隊提出RSAgent，讓多模態大模型透過多輪工具調用反覆確認與糾錯，成果入選機器學習頂會。

單次預測的困境

傳統做法是給模型一張圖與一句指令，直接輸出目標區域掩碼。一旦目標描述含糊、物體相互遮擋，或需要邏輯推斷才能確定位置，單次預測便容易出錯，且缺乏自我檢查與修正的機會。