SD3 被批掩盖了 flow matching 的条件数问题
kalomaze · x · 2026-07-23
这条在批评一类扩散/flow matching 设计：理论看起来漂亮，但实际条件数很差、收益也不够直接。
- 作者说 SD3 依赖某种“伪启发式权重”，掩盖了 vanilla flow matching 本身 conditioning 很差的问题。
- 他拿一个极端比喻来说明：这就像一个 nanoGPT 方案即使不加 layer norm，也可能因为 proxy eval 过关而被包装成好方法，但本质上并不好。
- 回复进一步强调：整个子领域还没吸取教训——只要没有带来最简单、最直接的经验收益，重参数化不该因为“理论好看”就被默认有效。
这条的核心不是模型发布，而是对一类方法论的研究性质质疑。
所属事件:扩散模型研究反思：评测指标陈旧与架构强耦合隐患(7 条相关)→
「研究」频道最新
- 新基准显示，最强 VLM 仍画不准纯文本示意图 — East-Muffin-6472 · 2026-07-23
- DocOps 基准显示，前沿智能体仍难做好长链路文档操作 — Jiazhen Jiang · 2026-07-23
- 斯坦福软体机器人像藤蔓一样生长，专为救援狭窄空间设计 — lukas_m_ziegler · 2026-07-23
- 全球首个实体瘤 CAR-T 疗法获批，用于胃癌治疗 — Dr_Singularity · 2026-07-23
- 生产多智能体团队：别让 LLM 确定性，让编排层确定性 — njanChe1 · 2026-07-23
- 里斯本机器学习学校 LxMLS 2026 放出公开视频讲座 — caglar_ee · 2026-07-23