| EVI-009 |
§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）。 |
Evidence
|
|
| EVI-010 |
§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）。 |
Evidence
|
|
| EVI-011 |
§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）。 |
Evidence
|
|
| EVI-012 |
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）。 |
Evidence
|
|
| EVI-013 |
§1/§2.3/§2.4：感知/语义两段分解的论述与公式（支撑 CLM-013）。 |
Evidence
|
|
| EVI-014 |
Tab.13 compute_vs_fid + 主表：LDM-4-G 271 vs ADM 916 V100-day、0.4 vs 0.12 samples/s、FID 3.60/3.95 vs 10.94（支撑 CLM-014）。 |
Evidence
|
|
| EVI-015 |
Tab.423 firststage：matched 重建指标对比 VQGAN/DALL·E（支撑 CLM-015）。 |
Evidence
|
|
| EVI-016 |
§4.1 + Fig. cin_traincourse/speedplot：f 消融的训练/采样曲线（支撑 CLM-016）。 |
Evidence
|
|
| EVI-017 |
§2.5 + §4.3–4.5：cross-attention 条件机制与多模态应用（支撑 CLM-017）。 |
Evidence
|
|
| EVI-018 |
主文 T2I 表 + ImageNet 主表：CFG 的推理期质量增益（支撑 CLM-018）。 |
Evidence
|
|