CLM-011
Claim
patchify 标度：p 减半 → token 与 transformer Gflops 至少 ×4（注意力超线性），参数量近似不变。
| id | CLM-011 |
|---|---|
| type | claim |
| source | SRC-2212.09748 |
| scope | DiT architecture (patchify on I×I×C latents, T=(I/p)^2); configs S/B/L/XL x p in {8,4,2} at 256x256 (I=32) |
| epistemic | supported |
| lifecycle | RECONCILED |
| created | 2026-09-03 |
| updated | 2026-09-03 |
Proposition
patchify 的结构性标度：patch size p 减半使 token 数 T=(I/p)² 增至 四倍、transformer Gflops 至少增至四倍（注意力项超线性），而参数量 近似不变（实测略降）——p 是"以参数量近似不变换算力"的结构杠杆。
Evidence refs
Notes
可推导命题（由 patchify 定义 + transformer 前向构成推出），Table 1/4 为数值确认。此 claim 是 CLM-003（Gflops 而非参数量）论证结构的 前提：参数量固定对照来自 p 轴。实测四倍率略超 4×（如 DiT-S： 0.36→1.41→6.06G，比率 3.9×/4.3×），超线性部分来自注意力对 T 的二次依赖。
引用（3）
- 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。
- 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）。
- 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（4）
- CPT-004 patchify
- 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）。
- 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-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。