从零训练的图像模型看似完美，放大后才暴露 VAE 缺陷
Creative-Listen-6847 · reddit · 2026-07-21
这是一篇从零训练图像模型的真实踩坑复盘，重点落在 VAE 的验证方法 上。
作者一开始以为自己训练出来的 VAE“看起来很完美”，甚至在训练集和随机网络图片上做对比时都觉得效果很好；但当他放大细节后，问题立刻暴露：布料糊成一片、森林像一坨绿色果泥、牙齿直接塌成白色条带。作者因此得出的结论是：预览图会骗人，真正的真相在放大细节里。
帖子最后把问题收束到几个很实用的方向：
- 怎么做一个诚实的 VAE sanity check
- 什么才算真正的 OOD 测试
- 做开源基座时，大家到底更在意速度还是质量
- 从零训练时，最容易浪费时间的早期错误是什么
这是很典型的工程向技术长帖，信息量和讨论价值都不错。
「研究」频道最新
- 斯坦福团队推出全球最快分词器 Gigatoken — StanfordAILab · 2026-07-22
- Tabul AI 推出 Metal TreeSHAP，加速 Apple silicon 上的 Shapley 计算 — Scobleizer · 2026-07-22
- Reddit 转发 OpenAI 的 ChatGPT 广告页面 — EcstaticAsparagus509 · 2026-07-22
- 开源 runtime 让每个仓库自定义 AI 代码审查器 — ibabufrik · 2026-07-22
- DeepSWE：专攻真实 GitHub 场景的 AI 编码智能体评测基准 — pmz · 2026-07-22
- Claude 辅助写成的 Rust 太空经济模拟器，能跑数百艘自治船只 — kalcode · 2026-07-22