CLM-005
Claim
采样算力不能补偿模型算力：DiT-L/2 多步（1000 步、80.7 Tflops、FID-10K 25.9）仍劣于 XL/2 低步（128 步、15.2 Tflops、23.7）。
| id | CLM-005 |
|---|---|
| type | claim |
| source | SRC-2212.09748 |
| scope | 12 DiT variants at 400K training steps, ImageNet 256x256; FID-10K, sampling steps in {16,32,64,128,256,1000}, no guidance |
| epistemic | supported |
| lifecycle | RECONCILED |
| created | 2026-09-03 |
| updated | 2026-09-03 |
Proposition
在 DiT 模型族内（400K 训练步），扩大采样算力不能补偿模型算力的 不足：小模型即使以更多采样步、乃至更高的单图采样算力生成， FID-10K 仍劣于大模型的低步数采样。论文锚点对照：DiT-XL/2 以 128 步（15.2 Tflops/图）达到 FID-10K 23.7，优于 DiT-L/2 以 1000 步（80.7 Tflops/图，约 5 倍采样算力）的 25.9。
Evidence refs
Notes
结论对 12 个变体在 [16,1000] 步网格上成立（Figure 10 全图）； 论文的普适表述为 "scaling-up sampling compute cannot compensate for a lack of model compute"（§5.2）。此为该模型族内的经验规律， 不外推到其他模型族。
引用（2）
- EVI-005 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）。
- SRC-2212.09748 DiT 原始论文（Peebles & Xie, ICCV 2023）：ViT 替换 LDM U-Net backbone，Gflops 视角的 scaling 研究。
被引用（3）
- EVI-005 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）。
- 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。
- 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。