| VER-002 | 核验 CLM-002 adaLN-Zero 胜出：Table 4 四行与 Gflops/params 列逐项一致、Figure 5 排序声明一致，'同配置同预算'经审计修正。supported。 | Verification |
| 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。 | Verification |
| VER-005 | 核验 CLM-005 采样算力：§5.2 锚点（23.7 vs 25.9、15.2 vs 80.7 Tflops）与 Figure 10 一致，FID-10K 口径已声明。supported。 | Verification |
| VER-006 | 核验 CLM-006 训练算力效率：Fig.9 XL-4→XL-2 交叉声明（~10^10 Gflops）与 §4.2 一致，x3 估算因子属 AX-7 约定。supported。 | Verification |
| VER-007 | 核验 CLM-007 decoder 消融：Table 5（2.46/2.30/2.27）与 §A.4（encoder 相同、免重训互换、LDM decoder 下仍最优）一致。supported。 | Verification |
| VER-009 | 核验 CLM-009 架构论题：可检验部分（ViT 替换 U-Net 质量反升）与 Table 2/3/6 一致；'归纳偏置非关键'属作者诠释（非受控对比），按 A4 保留。partially-supported。 | Verification |
| VER-010 | 核验 CLM-010 配方稳定：§4.1 两引语（no loss spikes/did not tune）与 Table 4 超参列（lr 1e-4、batch 256）及 Fig.13 曲线一致。supported。 | Verification |
| VER-011 | 核验 CLM-011 patchify 标度：推导链（patchify→T×4→Gflops≥×4、参数不变）与 §3.2 一致，Table 4 实测 3.9–4.3× 逐行核对。supported。 | Verification |
| VER-012 | 核验 CLM-012 CFG 梯度：Table 2/3 行内（256: 9.62/3.22/2.27；512: 12.03/4.64/3.04）逐格一致，scale 边界与质量-多样性权衡已记。supported。 | Verification |
| VER-015 | 重建核验：LDM f=8 R-FID 1.14 vs DALL·E 32.01 / VQGAN 4.98、f=2 0.16 与 Tab.423 一致，f=16 打平边界已声明。supported。 | Verification |
| VER-016 | f 甜区核验：f=4/8 最优与 §4.1 消融、FID gap 38（LDM-1 vs LDM-8 @2M）正文引语一致，scope 限 ImageNet/2M/单 A100。supported。 | Verification |
| VER-020 | 无条件合成核验：CelebA-HQ 5.11 SOTA、FFHQ 4.98、LSUN-Bedrooms 2.95 vs ADM 1.90 与无条件表一致，SOTA 限 CelebA-HQ、P/R 逐数据集。supported。 | Verification |
| VER-021 | 大图核验：§4.3.2 卷积滑窗 + Fig. thicksample/text2img_conv 支持越训练分辨率至 ~1024²/兆像素，rescale+CFG 条件已声明。supported。 | Verification |
| VER-022 | i2i 核验：SR FID 2.8/2.4/4.4 胜 SR3、inpainting 2.7×提速/1.6×FID、胜 LaMa（用户 30.4/70.6、21.0/68.1）与表/正文逐项一致。supported。 | Verification |
| VER-023 | 局限核验：§10 原文（顺序采样慢于 GAN；f=4 AE 非逐像素精确成瓶颈、SR 已受限，'assume' 措辞）与命题一致，推断性质已声明。supported。 | Verification |
| 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。 | Formalization |
| FRM-2112.10752 | LDM 五层重建：感知压缩 AE + 潜空间扩散的两段分解，换取训练/采样成本大降；多任务多分辨率（256²/512²→~1024²）。 | Formalization |
第 7 / 7 页
上一页