文本到图像模型是归纳主义火鸡吗？一个用于因果推理的反事实基准

文本到图像（T2I）模型虽能生成逼真图像，但其是否具备真正的因果理解尚不明确。受罗素“归纳主义火鸡”启发，本文提出 Counterfactual-World (CF-World) 基准，旨在探究模型在违背现实世界先验规则下的生成能力。该基准包含事实生成、显式反事实生成及需因果推导的隐式反事实生成三个层级。研究引入先验抵抗率 (PRR) 和推理保持率 (RRR) 两项指标进行评估。实验表明，所有模型在反事实设置下性能显著下降，原因是其将世界知识与视觉外观编码为紧密耦合的模式，过度依赖训练数据中的共现关系，导致在面对反事实任务时默认回归常识先验。