TL;DR本文探讨了大型视觉语言模型作为实证文化研究对象的潜力，通过比较 DALL-E 2 和 Stable Diffusion 两个流行的文本图像合成模型的输出，讨论了追求文化不可知与文化特定 AI 模型的利弊，以及生成输出中的记忆与偏见等几个方面所展示的风险平衡与文化特异性之间的权衡，以及发展文化不可知模型的总体不可能性。
Abstract
The paper discusses the potential of large vision-language models as objects of interest for empirical cultural studies. Focusing on the comparative analysis of outputs from two popular →