InterleaveThinker

InterleaveThinker 是一个面向多模态生成的多智能体协同框架，旨在为现有图像生成模型赋予交错式图文序列生成能力。其核心包含规划代理（Planner）和批评代理（Critic）：前者解析图文混合输入并组织生成顺序，后者评估中间输出、识别偏差并动态修正指令。项目基于 SFT 和 GRPO 强化学习训练三类专用数据集，支持视觉叙事、分步引导、具身操作与长程子任务标注等复杂场景，具备跨模型迁移能力，可适配 FLUX、SDXL 等主流图像生成器。