会议： ICLR 2026 Poster

论文类型： 文生图数据集与评测基准

核心资源： FLUX-Reason-6M 数据集、PRISM-Bench、PRISM-Bench-ZH

一句话总结

论文构建了包含 600 万张合成图像、约 2000 万条中英双语描述的 FLUX-Reason-6M，并用 Generation Chain-of-Thought（GCoT）描述图像的语义、布局、风格和情感构成；同时提出覆盖七个维度的 PRISM-Bench，用 VLM 评估图像的指令对齐程度和美学质量。

1. 研究动机

作者认为，开源文生图模型落后于闭源模型的一个重要原因是缺少：

1. 大规模、高质量且面向复杂生成的数据集；
2. 能够区分先进模型能力的综合评测基准。

传统数据集通常只有简单的 image-caption pair，只描述“图中有什么”，缺少对空间布局、视觉风格、情绪表达和创作逻辑的结构化描述。

已有 reasoning-oriented 数据集如 GoT，主要强调 bounding box 和布局规划，覆盖的生成维度相对有限。现有评测则常依赖 CLIP Score 或检测器，容易饱和，也难以评估想象力、情感和长文本指令遵循。

2. FLUX-Reason-6M

数据规模

FLUX-Reason-6M 包含：

• 约 600 万张由 FLUX.1-dev 生成的图像；
• 约 2000 万条英文和中文描述；
• 每张图平均至少包含三种不同类型的描述；
• 数据构建消耗约 15,000 A100 GPU-days，即使用128张 A100 训练和处理约4个月。