Veritas

Veritas RR000

---

通过 EmoFact v3.6 对 illustrious v2.0 进行了多次全层 LoRA 微调
采用 e-pred ＋ ZtSNR（非 v-pred），这是首个 IL 版本，EmoFact 效果相当不错
由于仍属粗略打磨，我认为“这不是一个适合所有人的模型”

关于 ZtnV（e-pred ＋ ZtSNR）：
在 Kohya-Script 中使用了 Zero Terminal SNR / 偏差校正估计
虽然 e-pred 被认为容易发散，但 emo 系列模型能稳定进行训练
这意味着我们可同时拥有 e-pred 的高泛化能力与 ZtSNR 的宽广色域

与 Flow-Matching（FM）的对比：
这组组合或许具备超越 Flow-Matching（FM）的潜力
FM 的泛化能力较弱，其训练更接近于复制（结构与色域虽精确，但本质如此）
而结构的精确度，关键其实取决于注意力层的多寡
拥有卓越泛化能力与采样器自由度的 e-pred，难道不是更优选择吗？

FM 的弱点：
尽管 FM 在论文中被描述为高精度与高收敛性，但实际训练中却难以收敛
原因在于其对噪声过于敏感，轻微波动即可能导致崩溃，影响输出结果
（而 e-pred 正是利用噪声进行训练，噪声恰恰是其学习的源泉）
未来将进入低精度与量化时代，这正是需要大量噪声的训练方式
FM 方式因噪声会阻碍学习，本质上与这一趋势相悖

---

许可证
本模型的许可证继承自原始模型 illustrious v2.0
但由于是通过实验性 optimizer emo 系列进行调整的版本，使用时需格外注意
可能存在未预见的错误，因此在合并或其他操作时应谨慎处理
故在继承 illustrious 许可证的同时，附加以下限制：
若进行合并或公开发布，请务必明确标注上述注意事项。