论文导读
特拉维夫大学提出ACEdit训练方案，让修图模型连续修改自己的输出，同时由始终看着干净原图的教师提供指导。团队用252条真实照片编辑链检查累计10次修改后的画质、内容保留和指令执行，减少了多轮修图中的偏色与细节流失，让局部修改更能保住原来的场景。
改的是一个物体，背景却一点点变了
给玩具换个颜色，再加一顶帽子，最后调整背景。每次单独看都像是改对了，连做几轮，毛发纹理可能变糊，墙面也开始发黄。问题甚至会出现在“保持图片不变”的指令之后。
ACEdit关注的就是这种累积变化。论文用连续场景展示：在车库里依次移除工具和物体，到了第十次，部分对照方法让墙面留下块状痕迹，或把房间整体洗白。新方法更好地保留了未被要求改变的墙、地板与工作台。
图：五列方法对比车库初始画面、第五次和第十次移物后的墙面及工作台
这些是论文提供的定性案例，不能只靠一张图就推出所有照片都稳定。团队还设置了独立的十步编辑测试，把画面质量、未编辑区域保留和最后一步是否听指令分别计分。
学生跟着自己的结果改，老师不跟着跑偏
普通编辑训练经常从干净图片开始，实际使用却是把上一轮输出再送回来。前一轮的小误差因此成为下一轮的输入，模型越改，看到的图片就越偏离原本训练时的样子。
新训练直接让学生经历这种过程：连续做一条修改链，每一步都接着自己的输出。教师走另一条路，始终读取最初的干净图片，并收到截至当前的合并指令。
比如学生先加手提包、再改成红色、再换皮革、最后加金扣，教师看到的则是“给原图加一个带金扣的红色皮包”。两边面对同一个目标，但教师不用继承学生前面已经积累的偏差。
图：学生沿自己的输出连续编辑，教师与辅助编辑器接收原图和合并指令
作者用这种区别给学生提供训练信号，而不是强求每一步都对应一张唯一正确的目标图。局部编辑本来就可能有多个合理答案，重要的是修改应当成立，同时别把不相关区域带偏。
十次编辑后，分开检查三件事
研究在FLUX.2-klein-9B四步模型上进行小规模适配训练，训练图像为96张合成图，每张配一条十次修改链；评测则使用真实照片，与训练图片不重合。
EdiVal-10的252条链都在第十次累计编辑后检查结果。画质由评审模型等指标评价；保留性还比较未编辑主体与背景；指令分数则防止一种“伪稳定”——模型什么都不改，当然不容易漂移。
图：表格分列十轮后的画质、内容保留与指令执行，比较不同基础模型和方法
不同指标回答不同问题。背景更接近原图，不自动说明最后一次要求完成得更好；画面仍然好看，也不代表之前加上的东西都还在。因此文章中的“更稳定”，指这套测试下累积漂移减少，不能偷换成修改绝不出错。
论文也给出具体反例：给徒步人物加过墨镜和帽子，再要求微笑时，新方法仍可能把墨镜一并移除。它继承了基础编辑器的能力边界，困难指令仍会牵连先前内容。
这套方案还区分“反复换全图”和“保留大部分原图”。如果主体与背景不断被整体替换，细节本来就不必跨轮保留；真正容易暴露累积误差的，是小地方连改很多次、其他地方仍需保持一致的编辑链。
参考资料
https://arxiv.org/abs/2610.22328
https://arxiv.org/html/2610.22328
