EVI-011
Evidence
§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）。
| id | EVI-011 |
|---|---|
| type | evidence |
| claims | CLM-011 |
| source | SRC-2212.09748 |
| observation | §3.2 Patchify 段 + Table 1 (model configs Gflops) + Table 4（各配置 Gflops/Params 列） |
| method | 由架构定义推导 T 与 Gflops 的标度关系；Table 1/4 的每配置 Gflops/参数量作为数值确认 |
| scope | I=32（256 分辨率、f8 VAE）；p ∈ {8,4,2}；Gflops 不含 VAE（encoder+decoder 共 84M params 另计） |
Result
参数量（Table 4）：S 33/33/33M、B 131/130/130M、L 459/458/458M、 XL 676/675/675M（p=8/4/2）——p 缩小时近似不变、微降。 Gflops（Table 4）：S 0.36/1.41/6.06、B 1.42/5.56/23.01、 L 5.01/19.70/80.71、XL 7.39/29.05/118.64——逐级约 3.9–4.3×。 §3.2："halving p will quadruple T, and thus at least quadruple total transformer Gflops"；"changing p has no meaningful impact on downstream parameter counts"。
Caveats
"至少四倍"的下界由注意力超线性保证；Gflops 口径不含 VAE （Table 4 caption）。p=1 不在网格内（论文未测）。
引用（2）
- CLM-011 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。
- 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）
- CLM-011 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。
- 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。