对合成数据进行多模态分层过滤，控制噪声，并为补全扩图任务提供mask级监督
合成数据瓶颈在噪声控制，需文本可读性、图文一致性、任务匹配度多重过滤，SAM2提供结构信号
Gemini 2.5 Flash 是谷歌新一代主力模型，专攻高级推理、编程、数学与科学任务，内置“思考”能力，可提供更精准的深度回答
