ImageNet 该退休了:ImageNet 与文生图方法排名相关性为负

YouJiacheng · x · 2026-10-16

一条有分量的研究讨论串:

• Halcyon(Radical Numerics):从零训练的 early-fusion 文生图基础模型,预训练计算量最多省 275 倍仍胜过强 late-fusion 基线,模型与训练配方开源。
• DiffusionBench 论文(arXiv 2606.24888):指出 DiT 研究收敛在 ImageNet 类条件生成单一评测上,提出 NanoGen 统一训练评测框架,12 行配置即可从 ImageNet 切到文生图,训练算力相当。训练 21 个 latent diffusion 模型后发现:方法在 ImageNet 上的排名与文生图排名呈负相关(Pearson -0.377 至 -0.580),说明 ImageNet 上的改进未必迁移到真实文生图场景。
• 转发者观点:ImageNet 仅 128 万样本却支撑上亿参数模型的百轮以上训练,明显过拟合;扩散模型是否真的强,还是只是擅长 ImageNet 过拟合设置,值得怀疑——AR 模型在大规模场景同样能打。文生图评测可转向带丰富标注的 1 亿样本 GPIC with FD。

原文链接 →

「多模态」频道最新

• meloform 技术拆解:可微分电路学 1022 个正弦系数复现人声 — henloitsjoyce · 2026-10-16
• 纪录片导演安利 AI 影片《You Can See Everything》 — kyliebytes · 2026-10-16
• Reddit 用户用 Cumfy/Seedance 一次生成电影感短片 — Wave_N_Wind · 2026-10-16
• Kling 4 悄然回归：5 美元做出 10 条难辨真假的 AI 广告 — CurieuxExplorer · 2026-10-16
• 上海 AI Lab 发布 Intern Lumina U2:单模型统一图像视频 3D 理解与生成 — Shanghai-AI-Laboratory · 2026-10-16
• NAVER 提出 Speculative Forcing,加速自回归视频生成且不损画质 — naver-ai · 2026-10-16

更多「多模态」频道 AI 资讯 →