阿里巴巴达摩院提出了“自主策略演化”评估新范式EvoPolicyGym，关注在固定预算内Agent如何迭代改进策略。该方法通过轨迹级诊断框架分析预算分配、反馈转化和策略精炼能力，揭示不同模型的演化模式。实验结果显示GPT-5.5表现优异，强调了Agent从反馈中学习的重要性。

本文提出了多种图像生成和编辑框架，重点关注基于文本上下文的生成模型和用户偏好的编辑方法。研究强调生成图像的质量评估，特别是美学、真实性和公平性。通过创新的反馈学习框架和用户选择机制，提升了图像生成的质量和一致性，展示了在多样化用户输入下的应用潜力。

本文探讨了多种图像生成技术的改进，特别是使用预训练分类器和自导扩散模型的方法。这些方法在个性化图像生成中表现优越，通过自我监督和特征提取，在不平衡数据上实现了更好的效果。此外，提出了新的数据增强策略和反馈学习框架，显著提升了生成图像的质量和多样性。