已收录文章摘要，完整内容可前往原文阅读。
现在的生图模型画单个物体已经很好看了。但一条请求里同时要求文字、数量、位置、事实，它还是经常错一两处。中科大、阿里千问事业部和西电的新论文 ImageRSI（arXiv 2610.32120，2026