本研究探讨了生成模型在有限样本中学习规则的能力。通过GenRAVEN数据集，发现扩散模型在无条件生成中表现优异，但在面板补全上效果不佳；自回归模型在规则一致的面板补全上表现更强。这揭示了两者在规则学习和推理中的互补性与局限性。