EVI-003
Evidence
Figure 8/6 + Table 4：12 变体 Gflops-FID 强负相关；异构同 Gflops 的 S/2 68.40 vs B/4 68.38 相近、缩小 p 单调改善（支撑 CLM-003）。
| id | |
|---|---|
| updated | |
| type | evidence |
| claims | CLM-003 |
| source | PPR-2212.09748 |
| observation | Figure 8 (Gflops vs FID-50K scatter) + Figure 6 (scaling curves) + Appendix Table 4 (12 variants) |
| method | 12 个 DiT 变体（S/B/L/XL x p=8/4/2）各训 400K steps，FID-50K 无 guidance（ft-MSE VAE decoder），画 Gflops-FID 散点 |
| scope | 400K steps、ImageNet 256x256、无 guidance 的 12 变体网格 |
Result
Gflops 与 FID-50K 呈强负相关（Figure 8）；Gflops 相近的异构配置 FID 相近（论文举例 DiT-S/2 与 DiT-B/4：6.06G/68.40 vs 5.56G/68.38）。参数量保持而 Gflops 增长的对照（缩小 p）FID 单调改善，如 DiT-B 系列：1.42G/122.74（p=8）→ 5.56G/68.38（p=4）→ 23.01G/43.47（p=2），参数量 131M/130M/130M 近似不变（Table 4）。
Caveats
相关性观察限于本网格与该训练预算；论文同时报告更大模型在等训练 Gflops 预算下更 compute-efficient（Figure 9），但两者是不同命题。“参数量不是决定因素”是由对照推出的否定性结论，其外推依赖网格覆盖度。
关联（15）
- PPR-2212.09748 Scalable Diffusion Models with Transformers
- FRM-2212.09748 DiT 五层重建：以 ViT 替换 latent diffusion 的 U-Net backbone、Gflops 为透镜的 scaling 研究；边界为 class-cond ImageNet 256/512。
- CLM-003 模型前向 Gflops（而非参数量）主导 DiT 质量：Gflops 相近则 FID 相近，且与 FID-50K 强负相关。
- VER-003 核验 CLM-003 Gflops-FID 标度：Fig.8/6 引用与 Table 4 十二变体数字（S/2 6.06G、B/4 5.56G 等）逐项核对一致，以'经验规律'限定未泛化。supported。
- EVI-001 co-source Table 2/§5.1/App.A.1：DiT-XL/2-G 256 FID-50K 2.27（sFID 4.60/IS 278.24），3 通道 guidance 口径，优于 LDM-4-G 3.60 与 StyleGAN-XL 2.30（支撑 CLM-009）。
- EVI-002 co-source Table 4/Figure 5：XL/2 @400K adaLN-Zero FID 19.47 最低（<adaLN 25.21<cross-attn 26.14<in-context 35.24），排序训练全程保持（支撑 CLM-002）。
- EVI-004 co-source Table 3/§5.1：DiT-XL/2-G 512 FID-50K 3.04（sFID 5.02/IS 240.82），优于全部 diffusion 但未超 StyleGAN-XL 2.41（支撑 CLM-009）。
- EVI-005 co-source Figure 10/§5.2：小模型多步采样追不平大模型（80.7 Tflops@1000 步 FID 25.9 vs 15.2 Tflops@128 步 23.7），采样算力不可替代模型算力（支撑 CLM-005）。
- EVI-006 co-source Figure 9/§4.2：等训练算力下大模型 FID 更低；XL/2 约 10^10 Gflops 后反超 XL/4（训练算力效率，支撑 CLM-006）。
- EVI-007 co-source Table 5/§A.4：decoder original/ft-MSE/ft-EMA FID 2.46/2.30/2.27，encoder 相同免重训互换，差异有限均优于此前的 diffusion（支撑 CLM-007）。
- EVI-008 co-source App. A.1：3 通道 guidance（1.5）FID 2.27 vs 4 通道（1.375）2.20，近似式 3ch(1+x)≈4ch(1+¾x)（支撑 CLM-012 的口径 caveat）。
- EVI-009 co-source §1 + Table 2/3/6：DiT-XL/2 2.27（256）/3.04（512）vs LDM-4-G 3.60/ADM-G+U 3.94 及 118.6G/524.6G 算力对照——架构论题的经验支撑（支撑 CLM-009）。
- EVI-010 co-source §4.1 + Table 4 + Fig.13：未调参 ADM 配方（lr 1e-4/batch 256 全表一致）全程无 loss spike，训练高度稳定（支撑 CLM-010）。
- EVI-011 co-source §3.2 + Table 1/4：p 减半时参数量近似不变（S 33M 等）、Gflops ≥4×（S 0.36→1.41→6.06），验证 patchify 标度（支撑 CLM-011/TH-1）。
- EVI-012 co-source Table 2/3 行内梯度：256 FID 9.62→3.22→2.27、512 12.03→4.64→3.04，档位间改善递减——CFG 效应与饱和（支撑 CLM-012）。