一句话结论
ConCon-Chi 用真实嵌合物、密集概念—上下文矩阵和每个 prompt 的真实图像实现证明：个性化方法可以识别新概念，却仍难把学到的 token 与已知上下文或其他新概念组合；它是评测证据，不是生成/编辑方法。
论文定位
论文同时定义 personalized text-to-image retrieval（TIR）和 generation（TIG）benchmark。核心不是扩大训练数据，而是消除已有 benchmark 的常见概念、上下文偏差与无真实 prompt realization 三个盲点。
数据集与任务接口
- 20 个概念：6 个真正新含义的 chimeric objects + 14 个 common/hard-negative concepts。
- 101 个上下文，覆盖 9 类动作、交互、属性、accessorization、rendition 和 re-contextualization。
- test：1,084 queries、4,008 real images，每 query 约 6 图、最多 3 概念；每概念平均 46.64 个上下文。
- 每概念用 1–5 张图独立学习 token。TIR 在 4,008 图池排序；TIG 对 735 个单概念 prompt 各生成 4 图（PDF pp.3–8）。
核心实验与结果
TIR 使用统一 CLIP ViT-L/14。Table 2（mAP/mRR/R@1）：
- 1-shot PALAVRA 22.56/34.39/24.59；Pic2Word 25.23/37.16/26.35；SEARLE 28.16/41.07/31.16。
- 5-shot SEARLE 达 30.74/43.83/33.49，是所测个性化方法最强。
- 只用概念相对峰值掉 74%；只用上下文也表现低，说明 benchmark 强制联合理解。
Table 3 显示 PALAVRA 概念/context F1 为 91.52/28.56，Pic2Word 50.04/50.12，SEARLE 76.58/40.47：模型可学会 chimeric visual identity，却难让 token 获得原词汇同等组合性。
TIG 中 DreamBooth 同时改善 SD 的概念/上下文 fidelity，但相对真实图仍“概念过强、上下文偏弱”。用 Density/Coverage 比较真实分布时，所有方法在 chimeric concept 上都明显低于 common；例如 DreamBooth $k=3$ 的 Density 6.55→4.81、Coverage 0.28→0.14。传统 CLIP fidelity 未清楚暴露该差距（PDF pp.7–8，Table 4）。
关键压力测试
论文没有模型模块消融；核心诊断变量是 chimeric/common、1/5-shot、concept-only/context-only、单/多概念、修改/关系、CLIP fidelity 与真实图 Density/Coverage。它们共同定位“会认概念但不会组合”的失败，而不是只给总分。
局限或疑问
- 20 个手工物体与 101 个受控拍摄上下文规模有限，不等同于开放世界用户主体。
- TIR 固定 CLIP ViT-L/14；无法分离 token 方法与 backbone 限制。
- TIG 主要覆盖 TI/DB，且只评单概念 735 prompts；多概念生成尚未完整验证。
- 没有报告采集工时、训练算力与成本；也没有独立 limitations 小节。
对当前 Wiki 判断的影响
ConCon-Chi 主要支持 vision-language 与 generative-model-evaluation，对 image-generation 是 personalization 评测补层，不是生成架构。旧 source 将其用于统一图像模型长期优势问题没有证据基础，现已移除：论文不比较统一生成—编辑模型、专用编辑器或模块化系统。