206M 双流 DiT 单卡 4090 训练 160 小时,成本不到 55 美元

bdsqlsz · x · 2026-11-20

论文《Asuka-FM》提出一套面向消费级 GPU 的文生图预训练协同设计框架:在单张 RTX 4090(24GB)上从零预训练约 206M 参数的双流 DiT,仅用约 160 GPU 小时、成本低于 55 美元、512px 分辨率,取得 GenEval 0.609 与 DPG-Bench 78.51,在 0.066×10²¹ FLOPs 的去噪器训练算力下达到帕累托最优。

框架针对单卡训练的三大瓶颈给出设计:

作者称这是学术实验室可负担的基础建模基线,配图显示其以约 20 倍更少的算力逼近 MiniT2I 系列的 DPG 分数。

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →