加州大学伯克利分校的研究揭示，大型语言模型在自动提示修改后，显著降低了DALL-E3生成图像的质量，降幅达58%。通过在线实验对比DALL-E2、DALL-E3及带有自动提示修订的DALL-E3，发现DALL-E3在技术能力提升和用户提示策略适应性方面优于DALL-E2。研究指出，DALL-E3用户通过更长、更具语义相似性和描述性的提示，实现了更高的图像匹配度。这表明，虽然新模型能力增强，但提示策略对于挖掘其潜力至关重要。自动化工具可能限制用户表现，用户需灵活调整提示策略，以获得最佳图像生成效果。