AutoDesign 重新定义智能体设计：以元优化突破长程多模态生成瓶颈

在人工智能从单一任务执行向复杂长程智能体过程演进的背景下，如何将多模态源高效转化为浓缩且结构化的媒体输出，已成为计算机视觉与自然语言处理交叉领域的核心挑战。传统范式往往将这一过程视为静态的映射任务，缺乏对设计先验的动态对齐以及通过实证探索积累可复用经验的能力，导致系统在复杂场景下的自我改进机制缺失。针对这一痛点，本文提出了 AutoDesign 框架，其核心创新在于引入元框架优化器（meta-harness optimizer），旨在构建一个能够递归自我改进的模型-框架系统。该框架不仅致力于对齐人类的设计直觉，更通过引导代码智能体（code agent）基于 rollout 反馈不断迭代优化 harness，从而在长程任务中实现经验的持续积累与能力的螺旋式上升，从根本上突破了现有静态范式的局限性，为智能体设计提供了全新的动态优化视角。 AutoDesign 的技术架构围绕"元框架优化"与"代码智能体递归改进"两大核心机制展开。具体而言，系统首先构建一个初始的 harness 结构，随后元框架优化器介入，通过分析代码智能体在执行任务过程中产生的 rollout 反馈，识别当前 harness 中的瓶颈与偏差。基于这些反馈，优化器指导代码智能体对 harness 进行递归式的修改与重构，使其逐步逼近人类设计先验所要求的理想状态。这一过程并非一次性调整，而是一个持续的闭环迭代：智能体执行任务、产生反馈、优化器分析反馈、智能体修改 harness、再次执行任务。通过这种递归机制，系统能够在不依赖大量人工标注的情况下，自主发现并修正设计中的逻辑缺陷与美学偏差，从而在长程任务中保持性能的稳定提升。这种技术路径强调了"经验积累"在智能体进化中的关键作用，使得系统能够从每一次交互中学习，形成可复用的设计知识，而非仅仅依赖预训练模型的静态参数。 为了全面评估 AutoDesign 的有效性，研究团队构建了 PosterBench 基准，该基准包含一个涵盖五个学科领域、共 100 篇论文的 Main Track，以及一个用于受控评估的 10 篇论文子集 PosterBench-mini。实验结果令人瞩目：在 PosterBench Main Track 上，AutoDesign 取得了 78.32 的最高分数，比闭源商业系统 Claude Design 高出 7.45 分，证明了其在复杂学术海报生成任务上的优越性。进一步的消融实验显示，在七种不同的受控代码智能体模型配置中，集成学习后的 DesignHarness 均能显著提升性能，将平均 PosterBench 分数从 54.99 提升至 67.39，相对提升幅度达 12.4%。这一结果有力证明了元框架优化带来的增益并非依赖于特定底层模型，而是源于 harness 本身的优化。此外，在完全自主的长程循环测试中，系统仅用 40 分钟、花费低于 3 美元，便完成了 253 次工具调用和 11 轮编辑，最终生成的海报在人类评估中达到了平均会议海报的质量水平，且在系统盲测中获得了最高的人类偏好评分，充分验证了其在效率与质量上的双重优势。 AutoDesign 的提出对开源社区与工业落地具有深远的意义。首先，它提供了一种通用的长程智能体优化范式，不仅限于海报生成，还可扩展至其他多模态内容创作任务，如幻灯片制作、视频脚本生成等，为智能体系统的自我改进提供了可复用的技术路径。其次，PosterBench 基准的发布填补了学术界在结构化媒体生成评估方面的空白，为后续研究提供了标准化的测试平台，促进了该领域的公平比较与快速迭代。在工业应用层面，AutoDesign 展示的低成本、高效率特性使其具备极高的商业潜力，尤其适用于需要快速生成高质量设计内容的场景，如市场营销、教育出版等。此外，该框架强调的"递归自我改进"机制，为构建更具自主性和适应性的 AI 系统提供了新的思路，有望推动智能体从"工具执行者"向"设计协作者"的角色转变，进而重塑人机协作的设计流程，激发更多基于经验积累的 AI 创新研究。