**FID 彩票：量化生成模型评估中的隐藏随机性**

_The FID Lottery: Quantifying Hidden Randomness in Generative-Model Evaluation_

> 该论文将 FID 视为训练与生成种子的双轴随机变量，发现在 ImageNet 256×256 上重新训练模型比重新采样引起的 FID 变化大 3.2 倍，主要由随机初始化、数据顺序和流匹配噪声驱动；即使增加计算量，FID 变异系数仍稳定在 1-2%。逐单元指导调优可减半变异，但会重排最优种子。作者建议使用逐单元最优指导、低于 1.3% 变异系数的差异不显著，并报告多个训练种子的误差条，而非单一 FID 值。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-19 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.20536)