通俗解释
把潜空间图像切成 patch 当 token，用 Transformer 去噪，并用自适应 LayerNorm 注入时间步和条件。它随规模扩展得很好，Sora、SD3、FLUX 等都采用了 DiT 类架构。
用在哪里：Sora、Stable Diffusion 3、FLUX、各类视频模型
01原始论文
Scalable Diffusion Models with Transformers
William Peebles, Saining Xie · 2022
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
相关：流匹配
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
U72 扩散模型、流匹配与图像生成 VAE/GAN、DDPM/DDIM、分数 SDE、潜空间扩散、CFG、DiT、流匹配、ControlNet。 14 小时15 个算法6 篇论文 U73 语音、视频与世界模型 Whisper、视频扩散（Sora 式 DiT）、3D 重建、World Models、Dreamer、Genie。 8 小时10 个算法4 篇论文
所在学习路线：生成式与前沿研究
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
dit)