MiniMax-H3 CFG 蒸馏模型 SFT 后发糊，可能是什么原因？
メンテナーはふだん 1 日以内に返信
まだ誰も着手していません。
評価
- 難易度
- 5/5
- 見積もり時間
- 1週間以上
- 初心者へのやさしさ
- 8/100
- issue の種類
- バグ
- 明瞭さ
- 説明が足りない
- 活発さ
- 活発
- 技術スタック
- python
- 領域
- ai, machine-learning
調査の方向性
The payload names no files or tests, so start from the issue's three training configurations (direct SFT, DeCFG scaffold, DeCFG with training_cfg_scale=4) and the six-comment thread for any answers already given. This is a diagnosis of why fine-tuned output is blurry, and the open question is whether de-distillation is needed, which is a design decision for maintainers. A useful contribution would be a reproduced comparison of these settings or a maintainer-confirmed direction, not a patch.
索引モデルが issue の本文から書いたものです。
説明
开源权重是 CFG 蒸馏模型。下面三次训练的数据相同：约 几千 条 480p 真人视频，10000 步。
- 直接 SFT
推理时cfg=1 时（就是没有negative embedding）画面崩掉。改成 CFG 推理后能出画面，但清晰度仍然下降。
- 只加 DeCFG 脚手架
训练时加载 DeCFG，推理去掉，cfg=1。能学到一些内容，脸也不再那么油。训到后面视频仍然变糊，音频生成也出问题。
- DeCFG + training_cfg_scale=4
同样 10000 步，推理仍是 cfg=1、一次前向。学习效果比前两种好，但画面上像蒙了一层白雾，原因不清楚。
三次之后，清晰度都比底模下降，这一项目前最影响使用。
下一步打算做去蒸馏，把模型训回推理时走真 CFG（正、负两次前向）。想确认有没有人在 H3 上跑通，以及 training_cfg_scale 的 scale、无条件分支是否还要丢掉参考图和参考视频。
如果有训得比较清楚、音频也正常的配置，希望交流一下数据分辨率、步数、rank、学习率和推理设置。
- 主要言語
- Python
- スター
- 13.2k
- フォーク
- 1.3k
- 平均マージ
- 12時間 52分
- マージ済み PR（30日）
- 20
環境構築
このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
modelscope/DiffSynth-Studio のほかの issue
-
WanToDance: hardcoded `device='cuda'` in music encoder construction crashes model loading on Ascend NPU対応中かも @li-lizhe が 18 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 75/100
modelscope/DiffSynth-Studio#1707 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
Partial download surfaces as "Cannot detect the model type" rather than a download error対応中かも @MohammadHijjawi97 が 16 日前に担当しました。 オープン
難易度 1/5 1〜3時間 初心者へのやさしさ 78/100
modelscope/DiffSynth-Studio#1668 ·
メンテナーはふだん 1 日以内に返信
-
bfloat16训练时段错误: 数组越界的一种方案再び着手できるかも このイシューのプルリクエストはマージされずにクローズされました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
modelscope/DiffSynth-Studio#1499 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
難易度 1/5 1時間未満 初心者へのやさしさ 78/100
modelscope/DiffSynth-Studio#1373 · コメント 5 件 · リアクション 1 件 ·
メンテナーはふだん 1 日以内に返信
-
[Reproducibility] Training script / config for MiniMax-H3-TrainingAdapter (DeCFG adapter) itselfオープン
難易度 5/5 1週間以上 初心者へのやさしさ 35/100
modelscope/DiffSynth-Studio#1713 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
modelscope/DiffSynth-Studio の issue をすべて見る
似ている issue
-
docs pydanty:is-working
難易度 2/5 1〜3時間 初心者へのやさしさ 68/100
pydantic/pydantic-ai#10113 ·
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 77/100
GreedyBear-Project/GreedyBear#1727 ·
メンテナーはふだん 2 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 84/100
ARM-software/CMSIS-DSP#354 ·
-
難易度 2/5 1〜3時間 初心者へのやさしさ 68/100
kiat/codeAssist#391 ·
-
needs triage
難易度 2/5 1〜3時間 初心者へのやさしさ 83/100
darnitdevorg/darnit#587 ·
メンテナーはふだん 1 日以内に返信