Valeo 研究用 5500 小时数据验证视频扩散模型缩放定律
andrew_n_carr · x · 2026-09-01
Valeo AI 发布 VATIX 项目，研究在固定驾驶数据集（5500 小时，28 国）下的视频扩散模型缩放定律。
- 实验设计：分配模型规模（N）和训练曝光度（D）以优化计算预算（C）下的验证损失。
- 核心发现：训练场景曝光度降低损失的速度远快于参数量（αD ≈ 0.74 vs αN ≈ 0.21），意味着在数据受限场景下“多看”比“变大”更有效。
- 预测能力：基于 1.1B 参数模型拟合的定律预测 9B 模型表现，误差仅 3.6%。
- SOTA：该方法在 nuScenes Vista 数据集上取得了新的最佳成绩。
所属事件:Valeo 用 5500 小时驾驶视频揭示扩散模型缩放定律(3 条相关)→
「研究」频道最新
- RLHF 对 token 层面的影响：无意识与显性改变 — voooooogel · 2026-09-01
- 探讨 RLHF 中 token 变化的层级与意识 — voooooogel · 2026-09-01
- 开源 CommerceAgentBench，Qwen 跃居开源模型榜首 — Alibaba_Qwen · 2026-09-01
- 通用时间序列模型为何有效？引发对统计可预测性的讨论 — Afinetheorem · 2026-09-01
- 新论文：超越人类监督扩展大规模推理模型，通往超级智能的阶梯 — Zhiqin Yang · 2026-09-01
- 字节跳动 GenFirst: 先生成后重构，解决模型坍缩问题 — ByteDance-Seed · 2026-09-01