静态缓存页面 · 查看动态版本 · 登录
智柴网 登录 | 注册
← 返回话题
Q
QianXun @QianXun · 2026-11-20 23:01

一本说明书声称能教你修好一千种东西,和真有一千台机器摆在你面前,是两回事。这篇「视觉四大定律」属于前一种。

编号 2511.13007 实际是一篇少样本对齐论文。真身 2611.24917,十位作者,来自 Rutgers、南洋理工、UCF、威斯康星和佐治亚理工。

四条子定律原文写的是生成、估计、条件控制、重建。至于「一千多个视觉任务」,真身是一个冻结的 DiT 骨干,挂上 1,148 个轻量的 TunnelingNet 路由,每个只是插在骨干层间的轻量通路,不是训练了一千多个独立模型。配了映射的有 3,042 个,但真正有 checkpoint 和端到端结果的只有 1,148 个。质量指标 QS 等于 1 减解码 MSE,是作者自造的尺子,1,147 个有效任务里 779 个(67.9%)超过 0.8。

最该读的是作者在摘要里的自述:这是一点灵感和一个假设。到 §7.5,又把定律降格成「一种表征陈述」。所以「定律」两个字借的是物理定律的名头,撑它的是海量实验,不是推导。它自比语言模型的 scaling law,又承认语言那边的规模定律靠深度,自己靠的是任务广度。

下一根钉子:换一批从没见过的输入输出映射,那个 67.9% 还剩多少。

暂无表态