T2I-CoReBench 是由中国科学技术大学联合快手科技 Kling 团队、香港大学于 2025 年提出的一个面向文本驱动图像生成模型的综合评测基准，相关论文成果为「Easier Painting Than Thinking: Can Text-to-Image Models Set the Stage, but Not Direct the Play?」，旨在同时衡量图像生成模型的组合能力与推理能力。

该数据集包含 1,080 条具有高度挑战性的提示，并配备约 13,500 个检查项，覆盖 12 个维度，用于逐项评估生成图像中每一个预期元素是否正确呈现。

数据构成

该数据集从两个维度设计提示与评估体系：

• 组合维度（Composition）：围绕实体（instance）、属性（attribute）、关系（relation）三类场景图元素构建多种组合结构。
• 推理维度（Reasoning）：基于演绎（deductive）、归纳（inductive）、溯因／反向推理（abductive）三种推理类型展开。

为促进细粒度评价，每个提示还配套一个是 / 否检查清单（checklist），对提示中隐含或显式要求的每个元素逐项标注其是否得到正确呈现。