/concepts – directory listing

• 01-design-philosophy

• 02-three-subtractions

• 03-mm-jit-architecture

• 06-paradigm-shift-insights

• 核心设计哲学：每一步都做减法
  • 1. 核心理念
  • 2. 四大设计原则
  • 3. 减法哲学量化成果汇总
  • 4. 减法哲学为什么在AI研究中反直觉
• 技术路线三大减法：VAE、AdaLN与私有数据
  • 1. 减法一：无VAE——像素空间直出
  • 2. 减法二：无AdaLN——回归朴素Transformer
  • 3. 减法三：无私有数据/RL——全公开数据两阶段训练
  • 4. 技术路线对比：传统范式 vs MiniT2I范式
• MM-JiT架构深度解析：回归朴素Transformer
  • 1. MM-DiT vs MM-JiT：8维度架构对比
  • 2. 核心设计一：两层文本适配器
  • 3. 核心设计二：删除AdaLN分支
  • 4. 关键洞察详解："被噪声污染的图像本身携带时间步信息"
  • 5. 架构简化的量化收益
  • 6. MM-JiT架构图
• 范式转移与方法论启示
  • 1. 洞察一：从"堆料"到"提纯"的范式转移
  • 2. 洞察二：文生图研究门槛的实质性降低
  • 3. 洞察三：LLM训练范式向文生图的成功迁移
  • 4. 洞察四：系统设计的减法哲学
  • 5. 洞察五：何恺明团队"返璞归真"研究风格传承
  • 6. 对AI研究者的建议
  • 7. 对工程师的实践启示
  • 8. 领域影响预判