本研究探讨了扩散模型和自回归模型在有限样本中学习抽象规则的能力。通过GenRAVEN数据集，结果显示扩散模型在无条件生成方面表现优异，但在面板补全上较差；自回归模型在规则一致的面板补全上表现更好，但无条件生成的一致性较差。这揭示了两者在规则学习和推理任务中的互补性与局限性。