TRACE-Bench：分解与诊断多参考图像生成

尽管用于多参考图像生成的统一多模态模型近期取得了进展，现有基准仍围绕预定义任务类型（例如“主体组合”）组织，这并不适合这种组合式场景，并会导致覆盖碎片化、复杂度不可控且诊断价值有限。我们认识到多样化的多参考任务共享一组通用的原子操作，因此采用面向能力的视角，并形式化定义了四个算子：锚定（$f$）、解耦（$g$）、应用（$\oplus$）和组合（$C$）。这样，任何多参考提示都可以表示为这些算子上的组合公式，其结构复杂度由算子槽位数量量化。基于这一形式化方法，我们构建了 TRACE-Bench，包含约 1,600 个评测案例，槽位数覆盖 1--8，由 631 个公式模板和约 4,000 张参考图像构成，涵盖多样的艺术风格和真实世界主体。公式结构直接驱动一种与算子对齐的评测协议，用于按能力评分，并支持通过诊断树分析进行递归式故障定位。对 9 个领先模型的评测揭示了整体评分无法呈现的洞见：主要瓶颈在于解耦（$g$）和属性绑定（$\oplus$），而非场景级组合（$C$）；即便最佳模型在属性保真度上也仅得 0.74。项目页面：https://amuseum-whr.github.io/TraceBench