标签
本文介绍了CF-World，一个用于评估文本到图像模型是否依赖因果推理或仅仅是模式匹配的反事实基准。实验表明，所有模型在反事实设置下表现急剧下降，表明它们的理解仅限于视觉-文本紧密耦合的模式，而非真正的因果推理。