본 논문은 텍스트-이미지 (T2I) 모델이 암묵적 세계 지식에 대한 이해가 부족하다는 점을 지적하며, 이를 평가하기 위한 새로운 벤치마크 PicWorld를 제안한다. PicWorld는 1,100개의 프롬프트를 통해 T2I 모델의 암묵적 세계 지식 및 물리적 인과 추론 능력을 평가하며, 증거 기반의 다중 에이전트 평가자인 PW-Agent를 사용하여 이미지의 물리적 현실성과 논리적 일관성을 세분화하여 평가한다. 17개의 주요 T2I 모델을 대상으로 한 실험 결과, 해당 모델들이 암묵적 세계 지식과 물리적 인과 추론 능력에 근본적인 한계를 보임을 확인하였으며, 이를 통해 미래 T2I 시스템에서 추론 능력과 지식 통합을 강조할 필요성을 제기한다.
