腾讯PromptEnhancer开源：思维链+奖励模型，一键提升文生图AI提示词精准度300%

💡 站外导读：文生图（T2I）模型虽强大，却常因用户提示词模糊、复杂而生成“货不对板”的图像，严重制约了AIGC在专业领域的应用效率与质量。如何让AI精准理解并执行如“一只戴眼镜的猫坐在红色沙发上，背景不能有窗户”这类包含属性、否定与关系的复杂指令，成为行业核心痛点。腾讯混元团队开源的PromptEnhancer框架，正为此提供了革命性解决方案，标志着提示工程从“手动调参”迈入“系统优化”时代。

PromptEnhancer是什么

PromptEnhancer是腾讯混元团队开源的用在提升文本到图像（T2I）模型的提示重写框架，通过思维链（Chain-of-Thought，CoT）提示重写和专用的奖励模型AlignEvaluator，显著提升T2I模型对复杂用户指令的理解和图像生成的准确性。框架无需修改T2I模型的权重，具有通用性和即插即用的特性，适用多种预训练模型。PromptEnhancer通过两阶段训练（监督微调和强化学习）优化提示，使生成图像更符合用户意图。

PromptEnhancer的主要功能

• 提升文本到图像模型的准确性和对齐精度：PromptEnhancer通过优化用户输入的文本提示，显著提升文本到图像（T2I）模型生成图像的准确性和与用户意图的对齐精度，能更好地处理复杂的用户指令，包括属性绑定、否定指令和复杂的关系描述。
• 通用性和即插即用：无需修改任何预训练T2I模型的权重，能作为通用模块适配多种预训练模型，如HunyuanImage、Stable Diffusion、Imagen等，降低优化成本。
• 提供高质量基准测试数据集：开源包含6000条Prompt及对应多维度精细标注的高质量基准测试数据集，为研究人员提供重要的参考资源，推动提示优化技术的可解释性和可复现性研究。

PromptEnhancer的技术原理

• 思维链（Chain-of-Thought，CoT）提示重写：引入思维链机制，模拟人类设计师的思考过程，将简洁的用户指令拆解为“核心元素-潜在歧义-细节补充”三步骤。
• 专用奖励模型AlignEvaluator：构建一个覆盖6大类别、24个关键维度的评价体系，通过大规模标注数据训练AlignEvaluator，能针对每个维度给出生成图像的“精准分数”。维度包括语言理解（如否定指令、代词指代）、视觉属性（如物体数量、材质、表情）和复杂关系（如包含关系、相似关系、反事实场景）等。
• 两阶段训练
  • 第一阶段：监督微调（SFT）：通过监督微调初始化CoT重写器，能生成符合语法逻辑的精细化提示。用大模型生成的大量“原始提示-思维链-精细化提示”数据进行训练。
  • 第二阶段：基于生成奖励的策略优化（GRPO）：将重写器生成的多个候选提示输入冻结的T2I模型，用AlignEvaluator对生成图像打分。通过“奖励越高的提示越受重视”的逻辑，优化重写器的策略，使其生成的提示能最大化图像与用户意图的对齐。

PromptEnhancer的项目地址

• 项目官网：https://hunyuan-promptenhancer.github.io/
• GitHub仓库：https://github.com/Hunyuan-PromptEnhancer/PromptEnhancer
• HuggingFace模型库：https://huggingface.co/tencent/HunyuanImage-2.1/tree/main/reprompt
• arXiv技术论文：https://www.arxiv.org/pdf/2509.04545

PromptEnhancer的应用场景

• 广告设计：快速生成高质量的广告海报和宣传材料，提升设计效率。
• 插画创作：帮助插画师快速生成创意草图，节省时间和精力。
• 游戏设计：为游戏开发者快速生成游戏角色、场景和道具的概念图，加速游戏开发流程。
• 社交媒体内容：快速生成吸引人的社交媒体图片和视频，提升内容的吸引力。
• 视频制作：在视频内容创作中，生成高质量的视频帧或概念图，辅助视频剪辑和特效制作。