扩散模型教程第9章：迷你实验与选型清单

扩散模型系列

1. 扩散模型学习指南
2. 第1章
3. 第2章
4. 第3章
5. 第4章
6. 第5章
7. 第6章
8. 第7章
9. 第8章
10. 第9章
11. 扩散模型导航
12. 隐空间扩散深入
13. Stable Diffusio…

本章是系列第 9 章（收尾章）：不讲新理论，而是用三个 CPU 就能跑的玩具脚本把前八章的机制、旋钮、评估变成肌肉记忆，再用一张 Go/No-Go 清单把整个系列的选型纪律落到你自己的课题上。 前置：第 2 章（加噪机制）、第 6 章（采样步数）、第 7 章（四层评估与选型）。本章是它们的动手验证。 配套脚本：本章代码在 content/inbox/diffusion-models-ch09-diffusers-lab/scripts/，CPU 即可运行。

1. 本章目标与验收标准

学完本章并跑完三个实验，你应能：

1. 亲眼看到 linear 与 cosine 噪声调度的 $\bar\alpha_t$ 曲线差异，把第 2 章的公式变成图像直觉。
2. 在 2D 玩具 DDPM 上复现「采样步数不够 → 模式粘连 / 糊成一团」的现象，把第 6 章的步数-质量权衡看在眼里。
3. 用迷你评估仪表盘亲手制造出「L1 分布指标好、但 L3 下游任务差」的反例，把第 7 章「好看 ≠ 好用」验证一遍。
4. 用 Go/No-Go 清单对自己的真实课题做一次开题自查。
5. 说清「玩具能证明什么、不能证明什么」——避免拿 2D 结论去套真实生物任务。

字数与深度定位：动手收尾章（约 8500–12000 汉字）。不讲新理论、不追求生产级代码、不要求 GPU。

---

2. 为什么收尾章是「动手」而不是「总结」

学完前八章，你已经有了完整的概念地图：生成直觉（第 1 章）、加噪去噪机制（第 2、3 章）、与其他家族的对照（第 4 章）、五大机制族（第 5 章）、训练采样旋钮（第 6 章）、评估与选型（第 7 章）、生物落地（第 8 章）。但读懂 ≠ 会用。很多同学能背出「步数不够会糊」「FID 低不代表有用」，却从没亲眼见过它们长什么样——这种知识是脆的，一到真实项目就用不出来。

本章的设计哲学是：用最小的成本，把最容易「以为自己懂了」的三件事，变成亲眼见过、亲手做过的肌肉记忆。

三个实验对应的前置理论

实验	对应理论	你要带走的直觉	脚本
1	前向加噪、β schedule（第 2 章）	「噪声如何一步步盖住信号」	noise_schedule_viz.py
2	反向采样、步数权衡（第 6 章）	「20 步 vs 5 步长什么样」	toy_ddpm_2d.py
3	四层评估里的 L1/L3 缩微（第 7 章）	「分布指标好 ≠ 下游好」	eval_dashboard_toy.py
4	选型纪律（第 7 章）	开题一页纸	diffusion_go_nogo_checklist.py + 文内表格

一个重要的边界：这一章刻意不用 diffusers 这类高层库。库很好用，但它把加噪、去噪、采样、评估都封装进了几行 API，你看不见里面在动什么。玩具脚本反过来——代码短到能逐行读懂，每个部件的因果一目了然。先在玩具上建立因果直觉，再去用库，你才知道每个参数在调什么。 等你跑完本章，再回头用 diffusers 加载一个真实模型做消融，会顺畅得多。

---

3. 动手前的准备

3.1 环境

三个脚本都为 CPU 设计，环境极简：

cd content/inbox/diffusion-models-ch09-diffusers-lab/scripts/
pip install -r requirements.txt

requirements.txt 只有三行：numpy、matplotlib、torch。其中 numpy 和 matplotlib 支撑实验 1、3；torch 只被实验 2（2D 玩具 DDPM）用到，且只需 CPU 版。如果你暂时装不了 torch，实验 1、3 仍能独立跑通。

3.2 一键冒烟测试

想先确认环境没问题，跑一遍冒烟脚本：

bash run_smoke.sh

它会依次跑三个实验（2D 玩具 DDPM 用减配参数快速过一遍），最后打印 SMOKE OK。看到这行，说明三个实验都能在你的机器上跑。

3.3 与强化学习动手阶段的最后一次边界对照

如果你也学过强化学习系列的动手章，这里再钉一次两者的根本差异——因为玩具实验最容易让人混淆「在看什么」：

	强化学习玩具（如 CartPole）	扩散玩具（本章 2D DDPM）
你盯着看的曲线	回报曲线（reward 随训练上升）	生成分布（散点云是否覆盖真实数据）
「成功」长什么样	回报达到阈值、策略稳定	生成点云覆盖所有模式、不崩不糊
失败的典型样子	奖励黑客、训练发散	mode collapse（只剩一个团）、步数不够糊成一片

一句话记忆：RL 玩具看「分数上没上去」，扩散玩具看「生成的分布对不对」。别把 reward 曲线的思维套到扩散上——扩散的 loss 下降根本不保证生成变好，这正是实验 3 要亲手演示的。

---

4. 实验一：噪声调度可视化

4.1 为什么做这个实验

第 2 章讲过：前向过程按 $\beta_t$ 逐步加噪，而看懂课表的关键量是 $\bar\alpha_t$（还剩多少信号）。很多同学停留在「就是加高斯噪声」——但加多少、加多快，直接决定训练难度和后期采样质量。这个实验让你亲眼看到两种最常见调度的信噪比曲线差异。

一句话类比：$\beta$ schedule 像 PCR 的退火温度曲线——升温太猛（噪声加太快）模板碎了；太温吞则变性不彻底，后面酶（网络）不好工作。

4.2 关键步骤与调法

步骤	为什么需要	关键参数	怎么调	调坏会怎样
选 schedule	控制信噪比下降速度	linear / cosine	先两个都画出来对比	linear 末端有时过噪；cosine 通常更顺
设 T	扩散离散步数	T=100~1000（玩具 200 即可）	玩具小 T 方便画图	T 太小，前向「不够纯噪」
画 $\bar\alpha_t$ / SNR	看见信号还剩多少	$\bar\alpha_t=\prod(1-\beta)$	看曲线是否平滑降到近 0	若很早归零 → 后期 t 信息量极低

只保留讲解用公式（必记含义，第 2 章讲过）：

$$q(x_t\mid x_0)=\mathcal{N}\big(x_t;\ \sqrt{\bar\alpha_t}\,x_0,\ (1-\bar\alpha_t)I\big)$$

• $\bar\alpha_t$ 接近 1：还很像原数据；
• $\bar\alpha_t$ 接近 0：基本是纯噪声；
• 网络在不同 t 上难度不同：中间 t 往往信息与噪声拉锯最激烈。

4.3 怎么跑

python noise_schedule_viz.py
# 输出：noise_schedule_compare.png（同目录）

脚本会画四个子图：linear/cosine 的 $\beta_t$ 曲线、$\bar\alpha_t$ 曲线、log10 信噪比下降曲线，以及一团 2D 点云在 cosine 调度下 $t=0 / T/4 / T/2 / T-1$ 的逐步加噪散点。

4.4 预期结果与常见失败

预期：

• linear 与 cosine 的 $\bar\alpha_t$ 都从约 1 降到约 0，但 cosine 通常在中段降得更「匀」；
• 对同一个 2D 点云示意，大 $t$ 时点云应接近各向同性高斯（融成一个圆团）。

常见失败：

• 图是空的 → 检查是否有写文件权限、是否在脚本目录运行；
• 曲线不降 → β 写反或累乘实现错误（脚本已写好，若你改了代码先 diff）。

看图时具体盯什么：脚本输出的 noise_schedule_compare.png 有四个子图，按这个顺序读——先看左上的 $\beta_t$ 曲线（每步新加多少噪声），linear 是直线上升、cosine 是先慢后快的弧线；再看右上的 $\bar\alpha_t$（累计还剩多少信号），这是最关键的一张，两条线都从 1 降到 0，重点比较它们「降到一半」发生在哪个 $t$——linear 往往在 $t\approx 0.3T$ 就腰斩，cosine 能拖到 $t\approx 0.5T$；然后看左下的 log-SNR 曲线（信噪比的对数），它把「中段拉锯区」放大得最清楚；最后看右下的双高斯点云在不同 $t$ 的加噪快照，直观感受「结构如何被噪声吞没」。把这四张图连起来看，你就把第 2 章的抽象公式变成了肌肉记忆——这正是这个不需要 GPU 的实验的全部价值。

4.5 生物迁移

真实任务	这个实验帮你想清的问题
scRNA latent 扩散	调度是否过早把稀有类型信号「洗没」？
病理 LDM	latent 空间的 schedule 是否与 VAE 动态范围匹配？
分子构象	连续坐标对噪声尺度极敏感，过猛加噪会破坏键长几何先验
蛋白骨架扩散	frame 空间的噪声（旋转 + 平移）也有自己的日程，别把图像 β 直搬（第 8 章）

这张表里藏着一个通用教训：调度不是一个可以「照搬默认」的次要超参。图像领域的 linear/cosine 是在自然图像的动态范围上调出来的，直接搬到 latent 空间、连续坐标、frame 空间往往水土不服——因为这些空间的「信号」和「噪声」的尺度关系完全不同。分子坐标尤其敏感：键长只有 1–1.5 Å 的量级，噪声尺度稍大就会把合理的化学几何冲垮。所以当你在一个新的生物模态上跑扩散、发现怎么调都学不好时，先回来画一下 $\bar\alpha_t$ 曲线，确认调度和你的数据尺度匹配——这个实验一分钟就能做，却能省掉几天的瞎调。

4.6 §4 checklist

• 我能解释 $\bar\alpha_t$ 从 1 到 0 的含义
• 我能对比 linear vs cosine 的肉眼差异
• 我知道 schedule 属于第 5 章四维度里「路径 / 离散化」相关的选择

自测：若 $\bar\alpha_t$ 在 $t=T/4$ 就接近 0，训练可能出现什么现象？（提示：大量时间步信息量极低，模型在容易的区间「摸鱼」，真正难的中段反而训不透。）

---

5. 实验二：2D 玩具 DDPM——步数如何换质量

5.1 为什么做这个实验

第 6 章的核心体感是：采样步数 = 质量与速度的主旋钮。真实病理图太重、蛋白结构太抽象，很难当场看出步数的影响。而 2D 双高斯 / 环形分布足够让你一眼看见「步数不够 → 模式粘连 / 糊成一团」。

一句话类比：多步去噪像把搅浑的培养液逐步透析回清澈；步数太少 = 一次硬滤，膜两侧浓度还没平衡就结束。

5.2 实验设计（极简）

2D 玩具 DDPM 流程

项目	默认	为什么
数据	双高斯混合（可切 ring / moons）	一看就知道有没有 mode collapse
网络	2→128→128→2 的 MLP + 时间嵌入	CPU 分钟级可训
T	100	玩具够用
训练步	约 3000–8000	以「点云像样」为准，不追求极致
采样步	5 / 20 / 100	对齐第 6 章「步数敏感」叙事
优化器	Adam, lr≈1e-3	简单稳

讲解用损失（第 2 章回顾，必记含义）：

$$\mathcal{L}=\mathbb{E}_{x_0,t,\epsilon}\big\|\epsilon-\epsilon_\theta(x_t,t)\big\|^2$$

模型学的是：在带噪输入上，噪声长什么样；采样时一步步减噪。

5.3 关键参数怎么调

参数	怎么调	调坏会怎样
steps（采样）	5 → 20 → 100 扫	5 步：两团粘、糊；过少可能只剩单模式
训练 iterations	看真实 vs 生成散点	过少欠拟合；过多玩具上易过拟合噪声
hidden	64 / 128 / 256	太小学不动复杂的环形分布
schedule	linear / cosine	与实验 1 对照

5.4 怎么跑

python toy_ddpm_2d.py
# 输出：
#   toy_ddpm_target.png        — 真实数据
#   toy_ddpm_steps_compare.png — 不同采样步数
#   toy_ddpm_loss.png          — 训练损失（辅助）

脚本支持命令行参数，方便你扫不同设置：

python toy_ddpm_2d.py --steps 5,20,100 --iters 5000 --data moons

建议的探索顺序（每步只改一个变量，对应第 6 章「不要越级调参」的纪律）：先用默认参数跑一遍，确认 toy_ddpm_target.png 里的真实数据是你预期的形状；再固定训练不变，只扫 --steps 5,20,100，把三张采样图并排看——你应该能亲眼定位「悬崖」大概在几步。然后固定步数在 20，改 --data moons 或 --data ring 换更难的分布，看 MLP 还撑不撑得住；如果环形分布学不出来，把 --hidden 从 128 加到 256 再试。整个过程不超过十几分钟，但你会对「步数、训练量、网络容量」三者如何互相牵制建立起手感——这种手感是任何文字描述都替代不了的。

5.5 预期结果与常见失败

预期：

• 100 步（或满 T）：两团位置、方差大致对；
• 20 步：通常已经「能看」——呼应第 6 章的默认区段；
• 5 步：团块模糊、偏移、甚至两团合成一团。

常见失败现象对照表（请对照你的出图）：

现象	可能原因	你该做什么
永远只有一个团	欠拟合 / 步数太少 / 模式崩	加长训练；加步数；检查数据是否真是双峰
点云爆炸到很大范围	采样公式实现或系数错误	用原版脚本对比；检查 $\sqrt{\bar\alpha}$ 系数
loss 降、图仍差	正常！loss ≠ 观感	以散点为准；这正好引出实验 3
只记住几个点	过拟合 / 数据量不足	降 iterations；加数据量

注意倒数第二行——「loss 降了但图还是差」不是 bug，而是本系列反复强调的核心事实：训练损失下降只说明模型更贴合训练目标，不说明生成变好。 这也是实验 3 要放大演示的。

把三张步数图并排看，你要读出的是一条曲线：从 5 步到 20 步，质量往往有一次肉眼可见的跃升（跨过「悬崖」）；从 20 步到 100 步，改善则小得多（进入「高原」）。这条「悬崖—甜点—高原」的形状，正是第 6 章讲的步数-质量关系在玩具上的缩影。记住：你在这里看到的不是「某个具体步数好」，而是这条曲线的形状本身——真实任务里拐点位置会变，但形状不变。所以调步数的正确做法永远是「往下压看什么时候崩，取悬崖上方一档」，而不是拍脑袋定一个数。另一个值得留意的细节：如果你换了 --data ring（环形分布），会发现同样的步数下环形比双高斯更难恢复——数据分布越复杂、模式越连续，需要的步数越多，这也解释了为什么真实的高分辨率生成往往比玩具需要更多步。

5.6 生物迁移

玩具现象	真实生物可能对应
5 步两团粘连	少步采样导致亚型边界糊掉（病理亚型、细胞亚群）
只覆盖一个高斯	mode collapse → 稀有细胞类型消失；蛋白骨架只反复采到几个 fold
20 步够用、100 步收益小	第 6 章：盲目加步数性价比低；可考虑 DPM-Solver 或换少步范式（第 5 章）

5.7 §5 checklist

• 我亲眼看到步数不够时点云的样子
• 我理解 loss 下降和生成质量不是一回事
• 我能把「20 步够用」和第 6 章的甜点区对应起来

自测：如果你把 --steps 一路加到 500，生成质量会持续变好吗？为什么？（提示：边际收益递减，20–100 步之间往往已进入高原区，加步数只是烧算力。）

---

6. 实验三：迷你评估仪表盘——好看 ≠ 好用

6.1 为什么做这个实验

第 7 章的灵魂是：分布指标好 ≠ 下游任务好。这句话读起来像口号，但玩具里能亲手把它做出来——制造一个「L1 分布指标还凑合、但下游 TSTR 明显掉」的反例，你就再也不会只看 FID 下结论了。

6.2 四层框架在玩具里缩成两层

真实四层（第 7 章）	玩具缩微
L1 分布匹配（FID / MMD）	2D 的 MMD + 均值 / 协方差比对
L2 结构	（玩具略）
L3 下游任务	简易 TSTR：合成数据训小分类器，真实数据上测
L4 领域专家	（玩具略）

为什么玩具里只保留 L1 和 L3：L2 结构层（联合关系、空间一致性）和 L4 领域专家层（盲评、物理硬约束）都需要真实数据的结构或领域知识才能定义——2D 双高斯没有「基因-基因相关」可查，也没有「病理医生」可请。但 L1 和 L3 这一对已经足够演示本章最想让你看到的反差：L1（分布指标）可能还不错，L3（下游任务）却明显掉。真实任务里 L2/L4 是加上去的更硬防线（第 7 章讲全），玩具里先把 L1 vs L3 这个最基础的错配看透。

6.3 实验协议（务必遵守）

TSTR 评估协议

脚本会生成三种合成数据：good_syn（接近真实分布）、bad_noise（纯噪声）、bad_collapse（单峰崩溃），分别算 L1 统计（均值 L2 距离、方差比、RBF-MMD）和 TSTR 分数，让你对比看清「哪种坏法能被 L1 抓住、哪种只能被 L3 抓住」。

6.4 怎么跑

python eval_dashboard_toy.py
# 输出：
#   eval_dashboard_report.txt  — 数值摘要
#   eval_dashboard_plots.png   — 真 / 好生成 / 坏生成对比

6.5 预期结果

• 好的合成（接近真实分布）：TSTR 分数接近「真实训、真实测」的基线；
• 坏的合成（刻意加偏 / collapse）：L1 也许还凑合，TSTR 明显掉；
• 这就是第 7 章的玩具级铁证：拿下游说话，不被分布指标忽悠。

怎么读那份报告：打开 eval_dashboard_report.txt，重点看两组对照。第一组是 bad_collapse（单峰崩溃）——它的均值可能和真实数据很接近（因为崩到了分布中心），所以均值 L2 距离这类 L1 指标不一定能抓到它，但方差比会明显偏小，TSTR 一定崩。第二组是 bad_noise（纯噪声）——它连 L1 都过不了，是最容易被识破的坏法。真正危险的是 bad_collapse 这种「L1 看着还行、L3 一测就露馅」的类型，它对应真实任务里最隐蔽的 mode collapse。把这两种坏法的数值并排看一遍，你就明白为什么第 7 章反复强调「L1 是入场券、L3 才是通行证」。

6.6 生物迁移

玩具	真实
TSTR 掉分	scRNA 合成细胞训分类器、真实上崩 → 别用
L1 好但 TSTR 差	病理 FID 好但分割不涨 → 生成没抓到判别特征
分类器太强看不出差	换更弱分类器或更难任务，放大差异

6.7 §6 checklist

• 我理解 TSTR 的思路（合成训、真实测）
• 我亲手看到了 L1 好但 L3 差的可能
• 我知道下游任务是评估的硬通货

自测：为什么「合成数据自己训、自己测」不能作为有效性证据？（提示：分布自洽 ≠ 对真实有用，自训自测只证明合成数据内部一致，绕过了真实分布这个裁判。）

---

7. 纸上实验：把四维度替换拆给自己看

不写一行代码，也有一个值得做的思维练习——它对应第 5 章的四维度替换框架。拿两个你在论文或社群里见过的扩散变体（比如 Stable Diffusion 3、某个蛋白扩散模型），对每一个填这张表：

维度	这个模型选了什么	相比经典 DDPM 换了没有
① 建模空间	像素 / latent / 3D 结构 / 图 / 离散？
② 路径	随机 SDE / 直线 ODE（流匹配）？
③ 主干	U-Net / DiT / 等变网络？
④ 步数	多步 / 少步 / 一步蒸馏？

填完你会发现：任何一个「新模型」，都是在这四维里换了一两格。 例如 SD3 = 流匹配（②）+ latent（①）+ DiT（③），三格都换了；而一个普通的蛋白骨架扩散可能只换了①③（结构空间 + 等变主干）。这个练习能把「又一个要背的新名字」变成「哦，它在这两维上做了替换、代价是什么」——这才是读论文该有的姿势。

一个填好的示例（RFdiffusion） 帮你对照自己填得对不对：

维度	RFdiffusion 的选择	相比经典 DDPM 换了没有
① 建模空间	SE(3) 上的残基 frame（位置 + 朝向）	换了：从像素换成 3D 结构流形
② 路径	高斯 / SO(3) 加噪的随机路径	基本没换（仍是加噪去噪）
③ 主干	RoseTTAFold 微调而来的等变网络	换了：从 U-Net 换成结构预测器改的等变主干
④ 步数	多步去噪采样	没换（仍多步）

读这张填好的表，你能一眼看出 RFdiffusion 的创新集中在 ①③ 两维（把扩散搬到 3D 结构空间、用带物理先验的等变主干），而路径和步数沿用经典。这就解释了它的特点：物理合理性强（③带先验），但采样不算快（④没优化）——后者正是后续「蛋白流匹配」工作想改的那一格。四维度框架的威力就在这里：它让你不仅能拆解一个模型，还能预判「下一篇论文会去换哪一格」。

建议动作：找 2–3 篇你所在子领域的论文各填一遍，横向对比。你会很快看出这个方向「主流稳定在哪几格、前沿正在换哪一格」，这比读十篇综述都更快建立领域全局观。

---

8. Go/No-Go 清单：把选型纪律落成一页纸

这是整个系列选型判断力的落地工具。开题前、换模型前、审稿自查时，对着你的真实课题填一遍。

8.1 总决策表

#	检查项	Go 信号	No-Go 信号	你的填写
1	任务类型	需要多样高维样本	纯预测 / 只要 Top-1 标量
2	数据量与质量	足够支撑分布；标签 / 条件可靠	n 极小；批次混乱不可校正
3	成功定义	写得清 L1–L4 指标与及格线	只有「看起来像」
4	基线	已有简单基线（检索 / AF / 对接 / 监督）	无基线就直接上扩散
5	算力与延迟	预算可承受，或可接受 LDM / LCM	预算只够训一个小 MLP
6	评估可行性	能做下游 + 至少一种硬约束 / 专家	完全无法评 L3/L4
7	风险	隐私 / 毒性 / 双用途已有对策	医学可识别风险无方案
8	替代路线	已用四维度表比较过 FM / CM / DiT / LDM	盲追开源明星名字

经验规则：2 个以上 No-Go 就先别训扩散，回去补问题定义或基线；全 Go 但仍犹豫，先用默认采样栈做最小可行实验，用 L3 下游指标说话。

脚本 diffusion_go_nogo_checklist.py 提供交互式版本：

python diffusion_go_nogo_checklist.py            # 交互逐项问答
python diffusion_go_nogo_checklist.py --blank     # 导出空白 markdown 模板

8.2 最小可行实验（1–2 周）协议

清单过关后，别一上来就训大模型。先跑一个能证伪的最小实验：

1. 冻结评估脚本：先写好 L1 子集 + 一个 L3 主指标，别边训边改评估。评估标准一旦随模型一起漂移，你就永远说不清「是模型变好了还是尺子变松了」——这是自欺的头号来源。
2. 一个强非扩散基线：检索 / 监督学习 / AF 调用——给扩散一个要超越的对象。没有基线的「扩散能生成 X」是没有意义的陈述：能生成不等于比现有方法好。基线的存在把问题从「能不能做」变成「值不值得做」。
3. 一个最简扩散 / LDM 基线：用第 6 章的默认采样栈（DPM++ 2M Karras + 20 步 + CFG 5），别一开始就调花活。先确认「最朴素的扩散」能不能打过非扩散基线，再谈优化。
4. 多种子 × 分层报告：主结果取多种子均值 ± 标准差，按长度 / 类型 / 亚型分层看。单种子、单一汇总数容易掩盖「只在简单子集上好」的假象（第 7 章的 cherry-picking 陷阱）。
5. 只有 L3 有正向信号，才进入流匹配 / 少步 / DiT 等替换实验。如果最简扩散基线连 L3 都打不过非扩散基线，换更花哨的范式通常也救不回来——先回去查数据、条件或问题定义。

这五步的顺序本身就是一种纪律：先把「能证伪的最小闭环」搭起来，再逐步加复杂度。 大多数失败的扩散项目，不是模型不够强，而是在没有基线、没有冻结评估的情况下就投入了几周训练，最后拿不出「比什么都强」的证据。

8.3 与强化学习清单的差异（勿混用）

学过强化学习系列的同学，注意两套开题清单的判断轴完全不同：RL 问「这个任务是不是序贯决策、有没有明确的奖励信号」；扩散问「这个任务要不要一整簇候选、有没有独立于生成模型的评估」。 如果你的任务本质是「最大化一个标量分数」，那多半该走 RL / 优化 / 贝叶斯优化，而不是扩散——第 7 章的决策树对此有详细展开。

---

9. 从玩具迁到真实生物任务

玩具实验最大的风险，是让你误以为 2D 双高斯上的结论能直接套到真实任务。这一节明确划出「可迁移」与「不可偷换」的边界。

9.1 可迁移的（方法论直觉）

• 步数-质量权衡的形状：真实任务也有「悬崖—甜点—高原」的步数曲线，只是拐点位置不同。
• mode collapse 的样子：玩具里「两团变一团」，真实里「稀有细胞类型消失」「蛋白只出几个 fold」，本质是同一回事。
• loss ≠ 质量、L1 ≠ L3：这个因果在任何规模都成立，是本章最硬的可迁移结论。
• 先基线后扩散、先评估后换新的纪律：规模无关，永远适用。

9.2 不可偷换的（规模与结构）

• 具体数值：玩具上「20 步够用」绝不能当成真实任务的定论——真实模型、真实数据的甜点区要重新扫。
• 数据结构：2D 连续点云没有离散约束、没有 3D 等变要求、没有高维稀疏性。蛋白、分子、单细胞各有各的硬约束（第 8 章），玩具一个都不覆盖。
• 评估工具：玩具用 MMD + 简易 TSTR，真实任务要用 path-FID、scTM、gene-gene 相关等领域工具（第 7 章），不能拿玩具指标交差。

一个真实会踩的坑：有人在玩具上验证了「20 步够用」，就把真实的蛋白骨架扩散也设成 20 步，结果生成的骨架 self-consistency 通过率极低。原因是——玩具是 2D 连续点云、肉眼一眼能看出崩没崩；蛋白骨架是 SE(3) 空间的高维结构，「拓扑错了」肉眼根本看不出来，必须靠 scTM 这种下游指标兜底（第 7、8 章）。越是「错了也不容易当场发现」的领域，越要保守选步数、越要靠硬评估——这恰恰是玩具无法替你验证的部分。玩具给你的是「步数曲线长什么形状」的直觉，不是「你的任务该用几步」的答案。

9.3 真实课题「第一周」动作清单

• 用 §8 的 Go/No-Go 清单过一遍，确认 No-Go 信号 < 2
• 找到并跑通一个非扩散基线，记录它的 L3 指标
• 用第 8 章对应轨道的四要素模板，写清你的输入 / 输出 / 条件 / 评估
• 冻结评估脚本（至少一个 L3 主指标）
• 用第 6 章默认采样栈跑一个最简扩散基线，和非扩散基线比 L3

这份清单的顺序是刻意的：它把「训一个扩散模型」这件最诱人、最想立刻动手的事，排在了最后一步。 前四步没有一步在训扩散——它们在逼你回答「这事该不该用扩散、用了怎么算成功、有没有一个更简单的对手」。绝大多数失败的生成项目，不是模型训得不好，而是这四步里有一步从来没认真做过：没有基线所以不知道扩散到底有没有增量，没冻结评估所以指标可以随便挑好看的报，没写四要素所以做到一半才发现条件根本注入不进去。把动手训练排在最后，不是拖延，而是把最贵的算力留给一个已经想清楚的问题。 如果你能诚实地打勾前四项，第五步的扩散基线才有意义——否则你只是在用 GPU 掩盖一个没定义清楚的问题。

---

10. 全系列毕业要求

跑完三个实验、填完 Go/No-Go，你就走完了整个系列。这里给一张「毕业 checklist」——如果每一项都能不看笔记做到，你已经具备独立开一个生物扩散课题的判断力。

10.1 概念闭环

全系列九章闭环

10.2 毕业 checklist

• 我能判断一个生物问题是否「更像扩散场景」（第 1 章）
• 我能写出前向闭式、解释 ε / x0 / v 三种预测目标（第 2、3 章）
• 我能从目标函数、稳定性、算力、边界四维对比扩散 / GAN / VAE（第 4 章）
• 我能用四维度框架拆解任何一个新扩散变体（第 5 章）
• 我能对着现象定位该调哪个采样旋钮（第 6 章）
• 我能用四层评估框架 + Go/No-Go 给一个课题做选型（第 7 章）
• 我能给蛋白 / 分子 / 单细胞 / 病理任务各填出四要素、说清 RFdiffusion 三段式分工（第 8 章）
• 我亲手跑过三个玩具实验，见过步数不够、mode collapse、L1 好但 L3 差的样子（第 9 章）

这张清单也是一张「回看地图」：哪一项打不了勾，就回对应章节重读。它们不是孤立的知识点，而是一条环环相扣的推理链——判断该不该用扩散（第 1 章）依赖你理解扩散在做什么（第 2、3 章）和它相对其他家族的取舍（第 4 章）；会调采样旋钮（第 6 章）依赖你知道机制族里换了什么（第 5 章）；会做选型（第 7 章）又依赖你清楚生物落地的真实约束（第 8 章）。任何一环断了，下游的判断都会虚。所以打不了勾的那一项，往往不是”没记住”，而是”上一环没打通”——顺着链条往回找，通常能定位到真正的断点。

10.3 金句终章（建议记住）

1. 扩散拟合数据分布，RL 优化期望奖励——别用同一张成绩单。
2. 训练拟合分布，评估验证价值——分布好是必要条件，下游有用才是充分条件。
3. 步数是质量与速度的主旋钮，但有悬崖和高原，不是越多越好。
4. 任何新模型都是四维度里换了几格——先问换了什么、代价是什么。
5. 先基线后扩散，先评估后换新——这条纪律比任何模型选择都重要。
6. 生成是候选引擎，不是终点——化学有效性、可折叠性、湿实验才是真正的裁判。

10.4 自测总题（写在纸上）

拿你真正在做或想做的一个课题，一次性回答：它是不是生成问题？属于第 8 章哪条轨道？该用哪个机制族（第 5 章）？采样起点怎么定（第 6 章）？四层评估怎么安排（第 7 章）？Go/No-Go 有几个 No-Go？答得越顺，说明这个系列你学通了。

---

11. 与其他章节的关系

• 第 2 章 前向加噪与反向去噪：实验 1 是它的可视化；实验 2 的损失就是它的 $\mathcal{L}_{\text{simple}}$。
• 第 6 章 训练与采样旋钮：实验 2 的步数对比是它的玩具版。
• 第 7 章 按数据结构选型：实验 3 是四层评估的缩微版，§8 的 Go/No-Go 是它选型决策的落地工具。
• 第 5 章 五大机制族：§7 的纸上练习是它四维度框架的应用。
• 第 8 章 生物读者轨道：§9 的「不可偷换」清单提醒你玩具结论别乱套到真实轨道。

---

12. 延伸阅读

文献 / 资源	为什么看	阅读深度建议
Ho et al., DDPM, 2020	实验 2 玩具 DDPM 的原始出处	对照玩具代码读方法节
Nichol & Dhariwal, Improved DDPM, 2021	实验 1 cosine 调度的来源	读调度那一节
lucidrains, denoising-diffusion-pytorch	从玩具到可用实现的过渡参考	读最小实现，对照本章脚本
Hugging Face diffusers 文档	跑完玩具后过渡到真实模型	按需查 API，重点看 scheduler

说明：本章以动手验证与选型纪律为主；真实模型的加载、微调、消融可在跑通玩具后，用 diffusers 这类库继续实践。