我的第一个问题，你的基线对比模型是标准的、需要1000步采样的扩散模型，但是我们都知道，
业界为了加速扩散模型，早已有UniformSubsampling这样的方法，在你的实验结果里我并没有看到相关的对比实验，
如果你的性能甚至不如UniformSubsampling，那你这项工作的意义又在哪里。
第二个问题，关于收敛性与理论保证，扩散模型的理论基础建立在Tweedie公式和随机微分方程的推导之上，
但是你的‘自适应推理’动态地修改了采样链，这实质上破坏了原扩散模型预设的采样过程，
你有没有通过实验来观测采样过程中的特征分布变化，比如用t-SNE可视化一下不同步数的特征？
或者对其从理论上进行证明？但是在你的论文里我并没有看到其中任何一种？”
第一个问题孙乐驹还能听得懂，毕竟UniformSubsampling他也知道，他也确实没有做这部分的实验，他认了，
但是第二个问题他就有点听天书了，做过深度学习的都知道，
他们这些研究生哪会对这些数学公式有很深的了解？基本都是找一个模块安到自己的模型上试试，如果涨点了，那就是好，没涨那就是不好。
内容未完，下一页继续阅读