本文探讨了文本转图片模型（如DALL-E 2、Stable Diffusion）中提示词选择的重要性，提出了一种评估提示效果的技术，并引入手动标注的数据集以衡量提示在图像生成和检索中的表现。研究展示了通过软提示个性化模型的能力，提升生成图像与用户意图的一致性，并提出新的无提示图像合成框架，表现优于传统方法。