我的第一個問題，你的基線對比模型是標準的、需要1000步采樣的擴散模型，但是我們都知道，
業界為了加速擴散模型，早已有UniformSubsampling這樣的方法，在你的實驗結果里我并沒有看到相關的對比實驗，
如果你的性能甚至不如UniformSubsampling，那你這項工作的意義又在哪里。
第二個問題，關于收斂性與理論保證，擴散模型的理論基礎建立在Tweedie公式和隨機微分方程的推導之上，
但是你的‘自適應推理’動態地修改了采樣鏈，這實質上破壞了原擴散模型預設的采樣過程，
你有沒有通過實驗來觀測采樣過程中的特征分布變化，比如用t-SNE可視化一下不同步數的特征？
或者對其從理論上進行證明？但是在你的論文里我并沒有看到其中任何一種？”
第一個問題孫樂駒還能聽得懂，畢竟UniformSubsampling他也知道，他也確實沒有做這部分的實驗，他認了，
但是第二個問題他就有點聽天書了，做過深度學習的都知道，
他們這些研究生哪會對這些數學公式有很深的了解？基本都是找一個模塊安到自己的模型上試試，如果漲點了，那就是好，沒漲那就是不好。
內容未完，下一頁繼續閱讀