如遇到章节错误，请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，稍后尝试刷新。
“嗯......不好意思老师，我没测过。”
答辩老师也只是点点头：“我建议把这些指標加上，否则光一个psnr，说服力还是有些不太够。”
孙乐驹连忙点头躬身一气呵成：“好的老师。”
这位老师也没再刁难他，点点头，表示自己问完了。
轮到下一个老师也只是问了一些不痛不痒的问题，並不算深入，孙乐驹答得倒也从容。
不过轮到第三个老师的时候，他的心就不由地一紧。
这位老师他虽然没见过，但是每个答辩老师前面都放了个牌子，上面有写他们的名字。
车伟强这三个字他可谓是如雷贯耳，上过他课的，没一个说他好话的，歷届毕业答辩，只要有他在的组，掛掉的人数都是最多的。
光是对上他的眼神，孙乐驹手心就直冒冷汗。
车伟强皱著眉头，声音带著一股压迫感：“你的摘要里有写到，你论文的创新点之一是你提出的『自適应推理机制』，
在显著降低扩散模型採样步数的同时，保持了与基准模型相当的psnr性能，甚至略有提升。
我的第一个问题，你的基线对比模型是標准的、需要1000步採样的扩散模型，但是我们都知道，
业界为了加速扩散模型，早已有uniform subsampling这样的方法，在你的实验结果里我並没有看到相关的对比实验，
如果你的性能甚至不如uniform subsampling，那你这项工作的意义又在哪里。
第二个问题，关於收敛性与理论保证，扩散模型的理论基础建立在tweedie公式和隨机微分方程的推导之上，
但是你的『自適应推理』动態地修改了採样链，这实质上破坏了原扩散模型预设的採样过程，
你有没有通过实验来观测採样过程中的特徵分布变化，比如用t-sne可视化一下不同步数的特徵？
或者对其从理论上进行证明？但是在你的论文里我並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uniform subsampling他也知道，他也確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。
所以才会有『炼丹』这种说法。
至於更加深层的理论，一般都是博士生或者一些名校研究生才会干的事情。
“不好意思老师，確实是我没考虑到，回去后我一定儘快把这部分补上！”然后就是猛地一个鞠躬。
主打的就是一个：答辩答辩，只答不辩，评委提问，疯狂道歉，如若不行，那就装傻充愣。
现在的孙乐驹用出了最后一招——笑就完了。
所谓伸手不打笑脸人，人学生態度都这样诚恳了，哪怕是车伟强这样『难搞』的老师也不好说什么。
不过最重要的还是他这篇论文並没有什么重大的错误，不管是创新点还是工作量都达到要求了，否则就算是把脸笑烂了，老师也不可能让他通过的。
“你这样是不行的，太不严谨了，方法缺乏理论支撑和充分的对比实验，我暂时保留意见。”
对於车伟强的批评，孙乐驹疯狂道歉——是是是，老师您说对，我一定改！
本章未完，点击下一页继续阅读。