CLM-008
Claim
3 通道子集 guidance（DiT 实际做法）经 scale 换算后与全 4 通道效果近似：3ch (1+x) ≈ 4ch (1+¾x)。
| id | CLM-008 |
|---|---|
| type | claim |
| source | SRC-2212.09748 |
| scope | DiT-XL/2, ImageNet 256x256, 7M steps; FID-50K; guidance on first 3 of 4 latent channels (3ch) vs all 4 channels (4ch) |
| epistemic | supported |
| lifecycle | RECONCILED |
| created | 2026-09-03 |
| updated | 2026-09-03 |
Proposition
对 4 通道 latent 仅施加前 3 通道的 guidance（DiT 论文全部 guidance 实验的实际做法）与全 4 通道 guidance 在调节 scale 后效果近似： 3ch scale (1+x) ≈ 4ch scale (1+¾x)；实测 3ch@1.5 → FID-50K 2.27， 4ch@1.375 → 2.20。
Evidence refs
Notes
论文将此现象留作 future work（"we leave it to future work to explore this phenomenon further"）。注意 4ch@1.375 的 2.20 低于 主表的 2.27，但 Table 2 的正式 SOTA 数字为 3ch 口径——复现 CLM-001 必须按 3 通道施加 guidance。
引用（3）
- CLM-001 DiT-XL/2（cfg=1.50，3 通道 guidance）在 ImageNet 256×256 达 FID-50K 2.27，为包括 StyleGAN-XL 在内的最低 FID。
- EVI-008 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-008）。
- 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（5）
- CLM-012 CFG 大幅改善 DiT-XL/2：256 上 FID 9.62→3.22→2.27（无/1.25/1.50），512 上 12.03→4.64→3.04。
- CPT-003 classifier-free guidance
- EVI-008 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-008）。
- 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-008 核验 CLM-008 subset-channel guidance：App.A.1（3ch@1.5→2.27、4ch@1.375→2.20、近似式）逐字核对一致，'近似'不确定性保留。supported。