Luma AI 发布 Abra 论文：扩散模型缩放定律需 LLM 十倍数据量
iScienceLuvr · x · 2026-08-19
Luma AI 发布了关于文本生成图像扩散模型的系统性缩放定律研究 Abra。研究使用跨越三个数量级算力 (10^19 到 10^22 FLOPs) 的 flow-matching transformers 家族进行训练。
主要结论：
- 扩散模型的缩放预测性与语言模型 (LLM) 一样强。
- 但扩散模型需要多得多的数据才能达到最优训练。
- 计算最优性 约在每个参数 200 个图像 token，这比 LLM 的 Chinchilla 最优处方高出 10 倍。
所属事件:Luma 发布 Abra 研究：扩散模型需 LLM 十倍数据(2 条相关)→
「多模态」频道最新
- 让 GPT 造「丑房子」，结果生成酷炫结构 — Aizkmusic · 2026-08-19
- 新平台发布：让用户创建并展示 AI 生成的 3D 模型 — anselm · 2026-08-19
- 用 AI 打造「大头 3D 卡通」针织风格角色 — aziz4ai · 2026-08-19
- 全本地跑通 MiniMax H3：ComfyUI 提示词扩写工作流搭建指南 — Patient_Ratio4177 · 2026-08-19
- 腾讯发布 CoinVE-200K 数据集与 22B 视频编辑模型 — tencent · 2026-08-19
- Midjourney 长曝光针孔摄影效果提示词 — tisch_eins · 2026-08-19