傳統(tǒng)AI圖像生成技術(shù)雖能產(chǎn)出視覺驚艷的作品，但在處理化學(xué)分子結(jié)構(gòu)、物理電路圖等科學(xué)內(nèi)容時(shí)，常因忽視底層邏輯導(dǎo)致嚴(yán)重錯(cuò)誤。例如生成的分子結(jié)構(gòu)可能原子數(shù)量不符，電路連接方式違背物理規(guī)律。研究團(tuán)隊(duì)指出，現(xiàn)有文本到圖像模型過度依賴視覺相似性，如同讓未學(xué)過化學(xué)的人憑想象繪制分子式，結(jié)果必然偏離科學(xué)本質(zhì)。

為客觀評(píng)估生成質(zhì)量，研究團(tuán)隊(duì)構(gòu)建了包含1400個(gè)測(cè)試問題的SciGenBench基準(zhǔn)體系。該體系覆蓋數(shù)學(xué)、物理、化學(xué)等五大領(lǐng)域，通過“視覺問答”反向驗(yàn)證圖像準(zhǔn)確性——若AI能正確回答圖中電阻值、幾何坐標(biāo)等具體問題，則證明圖像信息無誤。評(píng)估維度涵蓋信息完整性、幾何精度、科學(xué)合理性等五個(gè)方面，確保全面把握?qǐng)D像質(zhì)量。

基于研究結(jié)論，團(tuán)隊(duì)提出“螺旋協(xié)同演進(jìn)”發(fā)展路徑：程序化方法可為像素生成提供結(jié)構(gòu)化訓(xùn)練數(shù)據(jù)，幫助其學(xué)習(xí)科學(xué)邏輯；像素生成的視覺表現(xiàn)力則可反哺程序化方法，使圖像更生動(dòng)直觀。這種工程師與藝術(shù)家的跨界合作模式，有望催生新一代科學(xué)圖像生成系統(tǒng)——既能繪制精密工程圖，也能制作科普宣傳材料，甚至具備邏輯推理與創(chuàng)造性想象的雙重能力。