受损红杯图与当前难度不变，右侧却可以提出三种问题：加进去的扰动是什么？干净图大概是什么？接下来应怎样变化？这不是把三种名字贴到同一张结果上，而是决定网络直接输出哪一种量，再怎样计算损失和采样更新。

在已知加噪关系和相应条件下，预测噪声与预测干净图可以互相转换。例如已知当前图由原图与扰动按给定比例组成，估计出其中一项就能代入关系求另一项。但“可以换算”不等于有限网络同样容易学。变换会改变误差的尺度，不同难度的权重也可能变化；如果某个系数接近零，数值处理还需额外注意。网络容量、时间抽样、损失权重和训练预算都会影响最终结果。

学生问：“理论表达相通，为什么还值得研究预测目标？” 因为优化的是一个具体、有限的学习系统。让同一个学生写完整图案，和让他逐点记录干扰图案，可以通过已知关系互相推算，却可能要求保留不同的信息。数学关系提供可比较的原则，没有替实际学习难度作答。

JiT 的研究由 Tianhong Li 与 Kaiming He 提出，重新检验直接预测干净图的价值：在自然数据具有低维结构的假设下，干净图与高维噪声对有限网络的信息要求可能不同。它将这个问题放在大 patch 的像素 Transformer 中检验。这里应分清“网络直接预测什么”“在哪个空间计算损失”“采样器使用什么量”，不能把三者混为一个标签。像素与潜在空间的优劣比较，还要受分辨率、网络容量与训练预算约束，不能把特定设置的结果外推到所有任务。

“网络已经预测干净图，为什么还要回到更新回路？” 这是一张由当前受损输入估计出的干净图，不自动等于最终一次交付。JiT 的采样仍结合状态与预测形成更新并重复调用；原文默认使用多步 Heun 求解。因此 JiT 本身不应被归成“一步生成”，直接预测干净图也不是论文首次发明的概念。

训练目标还决定有限资源被分配到哪些问题：经常采样的难度、较大权重的误差，会更强地影响训练。概率建模的原则与具体训练配方需要一起看，不能只看一个公式变形就宣布实现等效。

下一页选择“变化方向”继续展开：怎样用许多起点和数据端点构造训练关系，让一个共享预测器学会搬运一整群样本？

同一生成循环，本页改变预测目标

当前表示 → 模型预测 → 更新规则 → 下一状态 预测目标