# RAEv2重大升级：新指标开启生成模型新探索

- 来源：Saining Xie (@sainingxie)
- 发布时间：2026-05-22 06:52
- AIHOT 分数：60
- AIHOT 链接：https://aihot.virxact.com/items/cmpg3tjnj0c33sljw8v6mr3su
- 原文链接：https://x.com/sainingxie/status/2057595509519311077

## AI 摘要

RAEv2通过大幅简化架构并提升通用性，在文本到图像（T2I）和世界模型等任务中实现了超过10倍的收敛速度提升，同时改善了重建与生成质量。研究团队在大量实验中发现，强大的表示编码器对像素解码器至关重要。传统评估指标（如FID）已不足以全面衡量模型性能，新的评估指标（如ep@fid-k/fdr^k）揭示了生成模型领域仍存在广阔的研究空间。

## 正文

check out RAEv2 led by Jas. through extensive exps， we found some really intriguing behaviors showing why strong representation encoders are key for pixel decoders.
spoiler： it's not about hillclimbing fid； new metrics like ep@fid-k/fdr^k show there's a lot more left to explore！

### 引用推文

> Jaskirat Singh：In Oct last year, Representation Autoencoders provided an elegant solution to unified tokenization for understanding and generation. Today we make them a bit mo...