思维链也能生成图像？研究揭示AI分步生成图像的新突破

思维链推理遇上图像生成，会擦出什么火花？

https://pic1.zhimg.com/v2-5187b3d0e93598621d15dc74e3a9a866_r.jpg

在AI领域，思维链（Chain-of-Thought，CoT）推理已经在语言理解等任务中取得了显著成功。然而，将这种分步推理的方法应用到图像生成领域，还是一个未经探索的方向。这项研究首次系统性地探索了如何将思维链推理应用于自回归图像生成，并取得了令人瞩目的成果：在GenEval基准测试中比基线模型提升了24%，甚至超越了Stable Diffusion 3。

https://pic1.zhimg.com/v2-539867d1a131ab03e92fd2209cc97854_r.jpg

核心技术突破：验证与强化双管齐下

研究团队主要从三个方面展开探索：

https://pic4.zhimg.com/v2-548308decf55fce7fbf6c3bdc25fc21f_r.jpg

测试时验证：通过结果奖励模型（ORM）和过程奖励模型（PRM）对生成的图像进行评估和筛选。

直接偏好优化（DPO）：通过迭代训练来调整模型的生成过程，使其更符合人类偏好。

创新性地提出了潜力评估奖励模型（PARM）和PARM++，能够自适应地评估每个生成步骤，并通过反思机制修正不满意的生成结果。

https://pic1.zhimg.com/v2-ee76cd460dfd5849810c816c9f3e12d0_r.jpg

创新性的奖励模型设计

PARM模型的设计非常巧妙，主要完成三个任务：

https://pica.zhimg.com/v2-f834b24795166f042f75335386148ef8_r.jpg

判断哪个生成步骤的图像足够清晰可评估

评估当前步骤是否有潜力产生高质量的最终图像

对剩余的最终路径进行打分，选择最佳结果

更进阶的PARM++还引入了反思机制，能够识别生成图像与文本提示之间的不一致，并指导模型进行自我修正，直到生成令人满意的结果。这种设计让模型不仅能生成高质量图像，还能确保生成结果与用户需求高度匹配。

这项研究为图像生成领域开辟了新的方向，展示了思维链推理在提升AI图像生成能力方面的巨大潜力。通过将语言模型中成功的推理策略迁移到图像生成领域，研究团队成功实现了质的飞跃，为未来的研究提供了宝贵的启示。

论文标题：Can We Generate Images with CoT? Let's Verify and Reinforce Image Generation Step by Step