以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Strong single-turn editing performance does not guarantee reliable multi-turn interaction: as edited outputs are repeatedly reused, small unintended changes can accumulate into severe visual drift. This long-term drift is often mitigated through training on multi-turn data or cross-turn rollouts, potentially altering p
阅读原文 · Ruikang Li, Zixuan Chen, Jiarui Wu, Mingde Yao, Yiyuan Zhang, Yujin Wang, Hanming Deng, Lewei Lu, Tianfan Xue
向阳乔木 · opencode-go/deepseek-v4.1-flash
单轮修图很强，不代表连续改十几轮还稳。 这是多轮图像编辑里一个很实际的痛点：每一步看起来都只是小改动，但输出会被反复当作下一轮的输入，误差一点点累积，最后画面严重跑偏。这篇论文要处理的就是这种 长期漂移 。 TailSteer 的思路挺有意思，它不去重训模型，也不搞复杂的推理期外挂，而是在训练的最后阶段做一次“收尾校正”。 这篇论文想解决什么 多轮编辑的漂移...