# > "rae can't scale" > "rae can't generalize past imagenet" > "rae can't do details" > instead of ar…

- 来源：Saining Xie (@sainingxie)
- 发布时间：2026-01-24 06:40
- AIHOT 链接：https://aihot.virxact.com/items/cmnz6dpf302aisl0fe0nvfwuo
- 原文链接：https://x.com/sainingxie/status/2014830657017446672

## AI 摘要

> "rae 无法扩展"
> "rae 无法泛化到 imagenet 之外"
> "rae 无法处理细节"

> 没有在网上争论
> 学生们埋头苦干
> 在真正的 t2i 规模上尝试
> 结果出来了
> 看起来非常乐观

> 向 peter、boyang、austin
> 以及所有交付成果的人致敬

> 代码、模型、数据
> 全部开源 👇

[引用 @TongPetersb]：去年十月，我们提出了 Representation Autoencoders (RAE)，展示了在冻结的语义表示上训练扩散模型是可行的，并且在 ImageNet 上优于 VAEs。
我们收到了很多问题：这能否扩展到像 T2I 这样的复杂场景？优势是否依然存在？
答案是肯定的。🧵

## 正文

> "rae can't scale"
> "rae can't generalize past imagenet"
> "rae can't do details"

> instead of arguing online
> students put heads down
> try it at real t2i scale
> results come back
> look extremely bullish

> shoutout to peter， boyang， austin
> and everyone who shipped

> code， model， data
> all open-sourced 👇

### 引用推文

> Peter Tong：Last October, we introduced Representation Autoencoders (RAE), showing that training diffusion on frozen semantic representations works and outperforms VAEs on ...