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

新的基准 NegT2IBench 测试 AI 图像生成器在负面约束下的表现

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-05 04:00

研究人员推出了 NegT2IBench，这是一个旨在评估文本到图像模型遵守负面约束能力的新基准。与专注于生成请求内容的传统基准不同，NegT2IBench 评估这些模型在避免生成禁止元素方面的表现，例如创建“非红色杯子”的图像。该基准包含 4,800 个包含不同程度肯定和否定陈述的提示，可以对模型故障进行更细粒度的分析。对十一个文本到图像模型的初步测试显示，许多模型在否定约束上的表现比肯定约束差，并且有相当大比例的模型生成了提示明确禁止的内容。 AI

影响该基准可以通过突出 AI 图像生成在处理否定方面的特定弱点来推动改进，从而实现更可控、更可靠的模型。

排序理由该集群包含一篇介绍 AI 模型新基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇介绍 AI 模型新基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Omar Elfatairy, Maria A. Bravo, Jessica Bader, Zeynep Akata · 2026-10-05 04:00

NegT2IBench：否定改变画面。文本到图像模型的极性基准

arXiv:2610.03084v1 Announce Type: cross Abstract: Text-to-image (T2I) models are judged by benchmarks that measure whether requested content appears, but these benchmarks largely overlook the complementary ability to satisfy negated constraints, for example, generating "a non-red…

本文如何被排名

报道来源 [1]

NegT2IBench：否定改变画面。文本到图像模型的极性基准

相关实体

相关话题