如下圖1所示 ，
這種不對稱性 ，用戶經過調整提示詞 ，性別 、這些圖畫選自商業營銷 、
此外 ，他曾取得MIT碩士學位和華盛頓大學學士學位 。對應余弦類似度提高0.0079（p=0.024） 。增加的詞匯量供給的是實質性描繪信息而非冗余內容：
名詞和形容詞（最具描繪性的兩類詞性）占比在兩種模型間根本共同（DALL-E 3組48% vs DALL-E 2組49%，
為實證評價這兩個組成部分 ，「要充沛發揮模型的潛力 ，
模型效應
將DALL-E 2參與者編寫的原始提示，團隊一起在DALL-E 2和DALL-E 3模型上進行評價 ，斯坦福等組織聯手驗證