**Abra:扩散图像训练的缩放定律研究** _Abra: Scaling Diffusion Image Training_ > HuggingFace社
原帖
**Abra:扩散图像训练的缩放定律研究**
_Abra: Scaling Diffusion Image Training_
> HuggingFace社区论文提出Abra,系统研究文本到图像扩散模型的计算最优缩放定律。研究覆盖10^19至10^22 FLOPs三个数量级的计算量,发现扩散模型可预测地缩放,但需要比语言模型多10倍的数据(约每参数200个图像token)。与语言模型不同,扩散模型对过度训练具有鲁棒性,建议优先增加数据而非扩大模型规模。该规律同样适用于生成质量、CFG设置和训练曲线等指标。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-08-19 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2608.17286)