GPIC 图像生成 Scaling 手册:该退役 ImageNet、扔掉 CFG 和 EMA

DimitrisPapail · x · 2026-11-17

Wenhao Chai 发布博客《How to Scale Text-to-image Models: a Handbook》,在 GPIC(1 亿对许可文本-图像对)上从 3.6e18 到 2.3e20 FLOPs 训练像素空间 JiT,试图把 LLM 预训练的科学引入视觉生成领域。

核心结论:

全部代码、配置和 sweep 数据开源。

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →