扩散模型 diffusion models 论文

你大概遇到过这种情况：搜「扩散模型 diffusion models 论文」出来一堆清单，每篇都说必读，但真打开又不知道先看哪篇、看哪部分、看完能干什么。这篇不讲公式推导，只给一条能照着走的路线：按什么维度筛论文、按什么顺序读、每类论文该抓哪几个点，以及读完之后怎么把结论落到自己的实验和选型上。

搜「扩散模型 diffusion models 论文」，出来的清单大多长一个样：一堆标题加一句「必读」。问题是你真打开第一篇，公式铺满两屏，也不知道该看哪一段、看完能干什么。做生成式研究的人时间本来就紧，与其按别人排的清单硬啃，不如先想清楚自己缺哪块拼图。

下面这条路线不讲推导，只讲怎么筛、按什么顺序读、每篇抓哪几个点、读完怎么落到自己的实验和选型。适合刚进扩散方向、或者已经在做但想补系统认知的读者。如果你只想快速调一个现成模型，这篇的节奏可能偏慢，可以直接跳到最后一节。

先定筛选标准，别一上来就收清单

清单本身不值钱，值钱的是你按什么维度筛。扩散模型这条线上论文数量很大，但真正值得精读的，是那些提出了可复用训练目标或采样流程的工作。引用数高只说明影响面广，不说明它对你的任务有帮助，别把引用数当唯一筛子。

• 按三条线筛：奠基性方法、改进与加速、条件控制与落地应用；每条线各挑一两篇精读，其余泛读即可
• 判断一篇该不该精读，看它有没有给出可复用的目标函数或采样流程，而不是看它发了什么会
• 做垂直任务（比如医学影像、音频生成）时，通用清单只能当背景，还得补该任务的领域论文
• 把入选的论文按「问题—方法—代价」三列记进一张表，方便后面横向比，别只收藏链接

什么情况下这套筛选不适用？如果你是在写综述或者准备组会汇报，那需要覆盖面，筛得宽一点反而对；但如果你是要动手改模型、跑实验，宽清单只会拖慢你，这时候宁可窄。

阅读顺序：先框架后细节，别按发表时间硬啃

按时间顺序读是个常见误区：早期论文和后来的改进工作混在一起看，你会分不清哪些是问题的根源、哪些只是工程修补。更省力的顺序是先搭骨架，再填细节。

1. 先读综述类论文目标不是记住公式，而是把扩散模型和变分推断、得分匹配这几条脉络的关系理清；读完能自己画出这条线的谱系就算过关
2. 再读奠基方法论文重点看前向加噪和反向去噪是怎么定义的、训练目标长什么样；推导细节标注一下，第二轮再补，第一轮别卡在公式上
3. 接着读加速与条件控制采样加速、蒸馏、引导方式这几类，读的时候盯住一个问题：它牺牲了什么换来什么，没有免费提速
4. 最后回到具体任务论文到这一步你才有能力判断它的改动是真贡献还是调参，否则很容易被实验表格唬住

每篇只抓这四样，读完立刻记下来

读论文最容易滑向两种极端：要么逐字抠推导，要么只扫摘要和结论。这两种都留不下可用的东西。建议固定抓四样，每篇读完花十分钟填完再翻页，符号推导放到需要复现时再回去补。

注意，这四样都别只抄数字。论文里的具体数值会随数据集和设置变化，你要记的是趋势和依赖关系，真实对比数据可以去站内核对当时的数字。

读完怎么用：把论文结论转成实验假设

读完一摞论文却不知道下一步做什么，通常是因为停留在「懂了」这一步。正确的做法是把每篇论文的结论改写成一句可验证的假设，然后设计一个能证伪它的实验。

• 先复现再改：挑一篇最贴近你任务的论文跑通最小配置，确认数据管线和评估口径都对得上
• 一次只动一个变量，只换噪声调度或者只换引导强度，否则结果没法归因
• 评估至少记两项，生成质量之外再记多样性或推理耗时、显存占用，单指标很容易选出不可用方案
• 小团队评估方案时，先算训练和推理的资源门槛，再看效果，别反过来

如果你是在做选型或者写调研，站内有两个地方值得常去翻：前沿论文与模型动态可以在 /papers 追踪，公开模型信息可以在 /models 对照，具体数字以页面当时显示的为准，别信任何写死的版本。

几个常见的坑，提前避一下

扩散方向这些年迭代快，坑也比较集中。下面这几个不是理论问题，是流程问题，但踩的人特别多，提前知道能省不少返工。

• 忽略复现成本：有些方法效果不错但训练资源要求高，资源有限时照搬会卡住，先估资源再决定
• 看到 SOTA 就默认适合自己：先看它的评测设置和你的任务差多少，差得远就只当参考
• 把综述当终点：综述帮你建立坐标系，但真正的细节还在原始论文里
• 不做记录：读的时候不写摘要，三个月后回头看等于没读过

论文清单只能告诉你别人读了什么，读完之后你决定验哪个假设，才是你自己的东西。