GenEvolve──ツール編成による視覚経験蒸留を通じて自己進化する画像生成エージェントは、Sixiang Chen氏ら10名の著者によって2026年5月20日にarXivへ投稿された論文（arXiv:2605.21605v1、コンピュータビジョンとパターン認識cs.CV分野）である。論文は、オープンエンドな画像生成がもはや単純な「プロンプトから画像へ」という問題ではないと指摘する。高品質な生成には、モデル内部の生成能力と外部リソースを組み合わせるエージェントがしばしば必要となる。要求が多様化・高度化する中で、研究チームは軌跡を通じて自己進化し、多様な生成課題に対してツールをより効果的に活用できる汎用画像生成エージェントの開発を目指した。
そこで著者らが提案するのがGenEvolveであり、「ツール編成による視覚経験蒸留」に基づく自己進化フレームワークである。GenEvolveでは、各生成の試行をツール編成の軌跡としてモデル化する。エージェントは証拠を収集し、参照素材を選択し、生成スキルを呼び出し、それらを「プロンプト・参照プログラム」へと組み上げる。この設計により、単発の生成動作が検索・選別・構成を含む一連のプロセスへと拡張され、複雑な要求に対して外部リソースをより活用できるようになる。
既存のエージェント型生成手法が主に画像レベルのスカラー報酬に依存するのに対し、GenEvolveは同一要求に対する複数の軌跡を比較し、最良と最悪の差分を構造化された「視覚経験」として抽象化する。この経験は特権的な教師分岐にのみ与えられ、学生分岐には直接公開されない。オン・ポリシー自己蒸留に着想を得た視覚経験蒸留は密なトークンレベルの監督を提供し、学生モデルがより良い探索、知識の活性化、参照選択、プロンプト構築を内面化できるよう支援する。
手法に加え、著者らはGenEvolve-DataデータセットとGenEvolve-Benchベンチマークを構築した。公開ベンチマークおよびGenEvolve-Benchでの実験では、強力なベースラインと比較して大幅な改善が示され、現行の画像生成フレームワークの中で最先端の性能を達成している。論文にはプロジェクトサイト（https://ephemeral182.github.io/GenEvolve/）も用意され、詳細な情報や結果を確認できる。
時系列で見ると、本論文は2026年5月20日18:12:29 UTCに投稿された初版（v1）であり、全文サイズは約22,479 KB、DOIは10.48550/arXiv.2605.21605でDataCiteにより発行される。論文はcs.CVに分類され、arXivの2026年5月の「新着論文」欄で閲覧可能である。著者チームはSixiang Chen氏を筆頭とする10名で構成される。本研究はエージェントのツール呼び出し、軌跡の比較学習、自己蒸留による監督を組み合わせることで、オープンエンドな画像生成に対して「経験の内面化」を重視する新たな方向性を示している。