跳到正文
arXiv · AI· Omar Elfatairy, Maria A. Bravo, Jessica Bader, Zeynep Akata·· 2026-10-05AI 评分30

NegT2IBench:面向文本生成图像模型的极性评测基准

NegT2IBench: When Negation Changes the Picture. A Polarity Benchmark for Text-to-Image Models

AI 导读

NegT2IBench 包含 4800 条涵盖属性与关系约束的提示词,通过独立调节正负约束数量,区分了否定效应与提示词复杂度对模型生成的影响。在评估 11 个文本生成图像模型和 211,200 张图片后发现,9 个模型在单条否定约束下的得分低于单条肯定约束,且 41.5% 的失败语句渲染了提示词禁止的内容。

来源:arXiv · AI · arxiv.org