视觉AI自主练习解决率达95%！最新AI资讯深度解读

type

status

date

slug

summary

创意任务解决率高达95%：OmniHarness的惊艳表现

在评估AI能力的ComfyBench创意任务中，OmniHarness交出了一份令人惊艳的答卷——任务解决率高达95%，远超此前的最佳对照组SymbOmni（领先27.5个百分点）。即使采用Codex结合openai的GPT-4o配置，其总体解决率也稳定在92.5%。

在这些测试中，评估标准分为“Pass”（流程能否顺利执行）和“Resolve”（输出结果能否真正满足任务要求）。虽然OmniHarness与ComfyMind等框架在Pass率上都能达到100%，但真正的分水岭在于可运行的流程究竟能交出多少合格的“Resolve”结果。

当推理骨干同样设定为强大的大模型GPT-4o时，OmniHarness的总体解决率为89.5%，而ComfyMind为83%；但在极具挑战的创意子任务上，OmniHarness以95%的绝对优势碾压了ComfyMind的57.5%。这深刻地表明，在模型基础能力之外，如何科学地组织工具、如何高效地调用过往经验，成为了决定AI表现的核心因素。

经验如何沉淀：AI自主练习的三步曲

创作需求千变万化。今天用户输入的提示词（Prompt）可能是将一张涂鸦重绘为写实红花，明天可能就是要求生成一片向日葵花田。OmniHarness是如何做到举一反三的？答案在于其独特的符号策略学习机制。

第一步，精准选题与自主探索。系统并不会盲目练习。它会结合历史练习记录与当前的大模型能力边界，让探索有迹可循。系统每轮生成10道候选题，通过评估任务的“新颖性”和“能力支撑度”来打分。这意味着AI既不会在过于简单的熟练任务上浪费算力，也不会去挑战完全没有方法支撑的难题。它专门挑那些“有基础但仍具挑战”的任务进行定向突破。

第二步，严格的流程检查与局部修复。在执行过程中，系统会将生成的代码编译成工作流，并严格检查每一步的效果。如果发现生成的红花已经偏离了提示词的要求，系统不会任由错误蔓延，而是会定位问题并进行局部修复，甚至召唤子智能体在预算内重试。这种严谨的纠错机制，是AGI发展过程中不可或缺的一环。

第三步，抽象入库与经验积累。验证成功的流程会被剥离掉具体的图像和描述，抽象成通用的工作流模板（包含适用条件和资源依赖）存入策略库。而失败的尝试也会被记录下原因与修正方法。随着调用的增加，这些策略的可靠性评分会不断动态更新。

跨界与迁移：从图像到视频的经验共享

OmniHarness最令人振奋的突破在于其经验的“可迁移性”。研究团队将自主练习后积累的策略库冻结，直接适配给其他完全不同的智能体使用。在不微调底层chatGPT或claude等模型参数的情况下，这份共享的经验让三个不同系统的总体解决率都获得了显著提升：

ComfyAgent的解决率由32.5%跃升至57.0%。

ComfyMind从83.0%提高到88.0%。

SymbOmni由86.0%提升至89.0%。

更令人惊叹的是，这些仅仅在图像任务上训练出来的冻结策略，居然可以无缝迁移到视频工作流中！在视频任务中，其总体解决率达到了85.9%，视频到视频的转换更是达到了80.0%，远超行业基准。图像策略负责核心的内容构建和参考保持，而时序处理则交由视频专用组件，两者完美结合。

结语与展望：开启AI变现与应用的新纪元

OmniHarness向我们展示了一种全新的人工智能进化路径：在模型参数保持不变的前提下，AI可以通过不断实践和积累，让可调用的方法库日益丰富。今天留下的一次成功经验，将成为明天处理更复杂新需求的坚实起点。

虽然这种自主练习、多轮验证的机制目前仍需要付出一定的计算成本，但其在提升创意任务解决率和跨模态迁移方面的潜力是巨大的。这不仅为AGI的实现提供了新思路，也为未来的AI变现提供了更稳定、更高效的技术底座。

探索AI的无限可能，掌握最新前沿技术。如果您对大模型、提示词工程以及更多实用的AI工具感兴趣，欢迎持续关注我们的 AI门户，我们将为您带来最专业、最及时的AI资讯与深度解析。