扩展篇：2023–2026 扩散模型高影响论文地图¶

范围：2023–2026 年扩散/Flow/视频/3D/对齐/评估方向的高影响工作。
写法：名字、影响力、星级、一句话描述、做了什么、大贡献、论文链接、面试怎么用。
说明：引用数在不同数据库（Google Scholar / OpenAlex / Semantic Scholar）差异很大，且 2026 年论文引用尚未积累，因此本表用 S/A/B 影响力 + 星级，不写死具体引用数字。
S ≈ 领域基石/必读；A ≈ 高影响/方向代表；B ≈ 新近/专题。
星级是“面试 + 学习价值”的综合推荐，不等于纯引用量。

0. 先看地图¶

2023：DiT、Consistency、LCM、ControlNet、IP-Adapter、SDXL、SVD
        ↓
2024：SD3/MMDiT、Sora、DMD2、Diffusion-DPO、InstantID、CogVideoX、HunyuanVideo
        ↓
2025：Wan、LLaDA、视频/3D/扩散 LLM 加速
        ↓
2026：实时视频、世界模型、离散扩散 LLM、3D/4D、偏好/安全

一句话：

2023 年解决“架构/加速/控制”，2024 年解决“规模/视频/对齐”，2025–2026 年看“实时、世界模型、离散扩散、3D/4D”。

1. 架构与训练范式¶

1.1 DiT：Scalable Diffusion Models with Transformers（2023）¶

影响力：S｜推荐：★★★★★
一句话：用 Transformer 替换 UNet，把 latent patch 当 token 做扩散。
做了什么：patchify latent、adaLN-Zero 注入时间/类别条件、按 Gflops 做 scaling。
大贡献：证明扩散模型可以像 Transformer 一样 scale；成为 SD3/MMDiT/Sora 类架构的前身。
面试怎么用：回答“为什么从 UNet 转向 Transformer”“DiT 和 UNet 的区别”。
链接：arXiv:2212.09748

1.2 SDXL（2023）¶

影响力：A｜推荐：★★★★☆
一句话：1024 时代的多条件 LDM：双文本编码器 + micro-conditioning + refiner。
做了什么：CLIP-L + OpenCLIP bigG、原图尺寸/裁剪/目标尺寸条件、base + refiner。
大贡献：把 SD 从 512 推到 1024，并系统化多宽高比/裁剪条件。
面试怎么用：A10 的标准答案骨架。
链接：arXiv:2307.01952

1.3 PixArt-α（2023）¶

影响力：A｜推荐：★★★★☆
一句话：低成本训练 DiT 文生图，证明 Transformer T2I 不一定贵。
做了什么：三阶段训练分解、cross-attention DiT、密集伪 caption。
大贡献：把 DiT 训练成本打下来；影响后续 PixArt-Σ/Sana 等。
面试怎么用：回答“DiT 怎么注入文本”“怎么降低训练成本”。
链接：arXiv:2310.00426

1.4 SD3：Scaling Rectified Flow Transformers（2024）¶

影响力：S｜推荐：★★★★★
一句话：MMDiT + Rectified Flow + T5 + 16ch VAE，SD 的范式切换。
做了什么：文本/图像 token 联合注意力、直线 Flow、三文本编码器、16 通道 VAE。
大贡献：证明 Rectified Flow + 多模态 Transformer 可以超过 UNet 扩散；文字/复杂 prompt 明显提升。
面试怎么用：A11 的核心；回答“MMDiT 与 cross-attn 区别”“Flow 与 DDPM 关系”。
链接：arXiv:2403.03206

1.5 Sana（2024）¶

影响力：A｜推荐：★★★★☆
一句话：线性注意力 DiT + 32 倍压缩 VAE，把 4K 生成做到笔记本可跑。
做了什么：深度压缩 AE、Linear DiT、decoder-only 文本编码器、Flow-DPM-Solver。
大贡献：把“高分辨率 + 高效率”推到端侧；证明架构/压缩/采样可以协同优化。
面试怎么用：回答“高分辨率 Diffusion 怎么降成本”“线性注意力是否够用”。
链接：arXiv:2410.10629

1.6 SiT（2024）¶

影响力：B｜推荐：★★★☆☆
一句话：用 interpolant 框架系统比较 Flow/Diffusion 的设计选择。
做了什么：在 DiT 骨架上研究离散/连续时间、目标、插值、随机/确定采样。
大贡献：把 Flow Matching 和 Diffusion 的统一视角讲清楚；同结构下超过 DiT。
面试怎么用：回答“Flow 和 Diffusion 到底差在哪”。
链接：arXiv:2401.08740

2. 加速与少步生成¶

2.1 Consistency Models（2023）¶

影响力：S｜推荐：★★★★★
一句话：学习“任意时刻都映射到同一个 \(x_0\)”的一致性函数，支持 1 步/少步。
做了什么：一致性映射、边界条件、一致性蒸馏/独立训练。
大贡献：少步生成的理论代表；LCM/一致性蒸馏的直接前身。
面试怎么用：回答“LCM 为什么能 1–4 步”“一致性模型和蒸馏区别”。
链接：arXiv:2303.01469

2.2 LCM：Latent Consistency Models（2023）¶

影响力：S｜推荐：★★★★★
一句话：把一致性蒸馏搬到 latent，SD 可以 2–4 步出图。
做了什么：把 CFG 的反向过程当 augmented PF-ODE，直接预测 ODE 解；LCF 微调。
大贡献：让少步 SD 真正可用；32 A100 小时训练 768 LCM。
面试怎么用：回答“LCM 和 Turbo 区别”“少步模型怎么训”。
链接：arXiv:2310.04378

2.3 LCM-LoRA（2023）¶

影响力：A｜推荐：★★★★☆
一句话：把 LCM 蒸馏成 LoRA，即插即用地加速各种 SD 模型。
做了什么：LoRA 蒸馏、跨模型/跨 LoRA 通用加速模块。
大贡献：少步能力“模块化”；不用为每个模型单独蒸馏。
面试怎么用：回答“LCM-LoRA 为什么能通用”“和普通 LoRA 区别”。
链接：arXiv:2311.05556

2.4 ADD / SDXL-Turbo（2023）¶

影响力：A｜推荐：★★★★☆
一句话：对抗蒸馏 + score distillation，把 SDXL 压到 1–4 步。
做了什么：教师 score 蒸馏 + 判别器对抗损失；单步/少步生成。
大贡献：少步模型的质量上限被明显推高；推动实时文生图。
面试怎么用：回答“Turbo 为什么快”“为什么 Turbo 要低 CFG”。
链接：arXiv:2311.17042

2.5 DMD / DMD2（2023/2024）¶

影响力：A｜推荐：★★★★☆
一句话：分布匹配蒸馏，把多步扩散压成一步/少步，同时保多样性。
做了什么：DMD 用两个 score 的差做 KL；DMD2 去掉回归损失、加 GAN、支持多步。
大贡献：少步生成从“像教师”走向“匹配教师分布”；DMD2 在 ImageNet/COCO 上很强。
面试怎么用：回答“DMD 和 LCM 区别”“少步模型怎么保多样性”。
链接：DMD arXiv:2311.18828、DMD2 arXiv:2405.14867

2.6 SnapFusion（2023）¶

影响力：B｜推荐：★★★☆☆
一句话：把文生图扩散做到手机端 2 秒内。
做了什么：高效 UNet、step distillation、CFG 正则。
大贡献：端侧部署的代表；证明 8 步可以接近 50 步 SD1.5。
面试怎么用：回答“端侧 Diffusion 怎么优化”。
链接：arXiv:2306.00980

3. 条件控制、编辑与个性化¶

3.1 ControlNet（2023）¶

影响力：S｜推荐：★★★★★
一句话：冻结 SD + 可训练副本 + 零卷积，把边缘/深度/姿态注入。
做了什么：locked copy、trainable copy、condition encoder、zero convolution。
大贡献：空间控制的事实标准；开启 SD 可控生成生态。
面试怎么用：A13 的核心；解释 zero conv 和“只训分支”。
链接：arXiv:2302.05543

3.2 IP-Adapter（2023）¶

影响力：S｜推荐：★★★★★
一句话：用 CLIP 图像特征做 image prompt，解耦文本/图像 cross-attention。
做了什么：图像编码器 + 投影 + 两套 K/V；只训 22M 参数。
大贡献：图像 prompt 的轻量标准方案；与 ControlNet 互补。
面试怎么用：A14 的核心；解释“为什么解耦”。
链接：arXiv:2308.06721

3.3 InstructPix2Pix（2022/2023）¶

影响力：A｜推荐：★★★★☆
一句话：用“指令 + 输入图”直接做前向编辑，不需要逐图 inversion。
做了什么：GPT-3 + SD 合成编辑数据；条件扩散模型训练。
大贡献：指令编辑的代表；把编辑变成一次前向。
面试怎么用：回答“指令编辑和 DDIM inversion 区别”。
链接：arXiv:2211.09800

3.4 InstantID（2024）¶

影响力：A｜推荐：★★★★☆
一句话：单张人脸图 + IdentityNet，零样本 ID 保持。
做了什么：人脸/关键点条件、IdentityNet、与文本 prompt 结合。
大贡献：ID 个性化从“训练”走向“推理时插件”；和 IP-Adapter 互补。
面试怎么用：回答“PhotoMaker/InstantID/LoRA 区别”。
链接：arXiv:2401.07519

3.5 PhotoMaker（2023）¶

影响力：A｜推荐：★★★☆☆
一句话：stacked ID embedding，把多张 ID 图压成一个统一表示。
做了什么：ID 堆叠嵌入、ID 导向数据管线。
大贡献：少样本 ID 定制，兼顾效率与可控性。
面试怎么用：回答“ID 定制有哪些路线”。
链接：arXiv:2312.04461

3.6 PuLID（2024）¶

影响力：B｜推荐：★★★☆☆
一句话：对比对齐 + ID loss，做到“纯”且“快”的 ID 定制。
做了什么：Lightning T2I 分支、contrastive alignment、ID loss。
大贡献：减少 ID 插入对原图风格/构图的破坏。
面试怎么用：回答“ID 定制怎么兼顾保真与可编辑性”。
链接：arXiv:2404.16022

4. 视频、3D 与世界模型¶

4.1 Stable Video Diffusion（2023）¶

影响力：A｜推荐：★★★★☆
一句话：把 latent video diffusion 系统化：图像预训练 → 视频预训练 → 高质量微调。
做了什么：视频数据 curation、时序层、text-to-video/image-to-video。
大贡献：开源视频扩散的强基线；证明数据 curation 是关键。
面试怎么用：回答“视频扩散怎么从图像模型迁移”。
链接：arXiv:2311.15127

4.2 Sora（2024）¶

影响力：S｜推荐：★★★★★
一句话：把视频生成讲成“world simulator”，用大规模视频 + Transformer 做长时长高保真生成。
做了什么：视频压缩到时空 latent、扩散 Transformer、长视频生成。
大贡献：把视频生成从“短片段”推向“世界模型”叙事；影响 2024–2026 视频路线。
面试怎么用：回答“Sora 和 SVD 区别”“视频扩散的难点”。
链接：OpenAI technical report（非 arXiv）

4.3 CogVideoX（2024）¶

影响力：A｜推荐：★★★★☆
一句话：3D VAE + expert Transformer，做 10 秒、768×1360 的文生视频。
做了什么：3D 因果 VAE、expert adaptive LayerNorm、渐进训练、视频 caption。
大贡献：开源视频 DiT 的代表；把长时长/运动/文本对齐一起推进。
面试怎么用：回答“视频 VAE 和图像 VAE 区别”“视频 DiT 怎么注入文本”。
链接：arXiv:2408.06072

4.4 HunyuanVideo（2024）¶

影响力：A｜推荐：★★★★☆
一句话：13B 开源视频生成框架，强调数据/架构/训练/推理的系统工程。
做了什么：数据 curation、视频 DiT、渐进 scaling、高效推理。
大贡献：开源视频模型规模上探；与闭源模型可比。
面试怎么用：回答“开源视频模型到什么水平”“视频训练最难的是什么”。
链接：arXiv:2412.03603

4.5 Wan（2025）¶

影响力：A｜推荐：★★★★☆
一句话：开放视频基础模型套件，1.3B/14B，覆盖 T2V/I2V/编辑/个性化。
做了什么：新 VAE、scalable 预训练、数据 curation、自动评测；消费级 1.3B。
大贡献：把开源视频模型推到“多任务 + 消费级可跑”。
面试怎么用：回答“2025 视频生成格局”“开源 vs 闭源”。
链接：arXiv:2503.20314

4.6 DreamFusion（2022）¶

影响力：S｜推荐：★★★★★
一句话：用 2D 扩散先验 + SDS，从文本优化 3D NeRF。
做了什么：Score Distillation Sampling，把 2D 扩散 score 蒸馏到 3D 渲染。
大贡献：开启 text-to-3D 的“2D lifting”路线。
面试怎么用：回答“SDS 是什么”“2D 扩散怎么用于 3D”。
链接：arXiv:2209.14988

4.7 MVDream（2023）¶

影响力：A｜推荐：★★★★☆
一句话：多视角扩散，生成一致的多视角图像，作为 3D 先验。
做了什么：多视角注意力、2D+3D 数据训练、SDS 结合。
大贡献：解决 2D lifting 的多视角不一致（Janus 问题）。
面试怎么用：回答“多视角一致性怎么保证”。
链接：arXiv:2308.16512

4.8 InstantMesh（2024）¶

影响力：B｜推荐：★★★☆☆
一句话：多视角扩散 + 稀疏视图重建，10 秒内单图生成 3D mesh。
做了什么：多视角扩散、LRM 重建、可微等值面提取。
大贡献：feed-forward 3D 生成的工程代表。
面试怎么用：回答“3D 生成从优化走向 feed-forward”。
链接：arXiv:2404.07191

5. 对齐、偏好与评估¶

5.1 DDPO（2023）¶

影响力：A｜推荐：★★★★☆
一句话：把去噪当多步 MDP，用策略梯度优化下游奖励。
做了什么：denoising diffusion policy optimization；奖励可以是压缩性/审美/VLM。
大贡献：扩散 RLHF 的代表；开启“用奖励优化扩散”。
面试怎么用：回答“Diffusion 怎么做 RLHF”。
链接：arXiv:2305.13301

5.2 Diffusion-DPO（2023/2024）¶

影响力：A｜推荐：★★★★☆
一句话：把 DPO 搬到扩散，用偏好对直接优化模型。
做了什么：用 ELBO 构造可微偏好目标；在 Pick-a-Pic 上微调 SDXL。
大贡献：扩散对齐的简单强基线；比 RLHF 更稳。
面试怎么用：回答“Diffusion-DPO 和 DDPO 区别”。
链接：arXiv:2311.12908

5.3 ImageReward（2023）¶

影响力：A｜推荐：★★★★☆
一句话：第一个通用文生图人类偏好奖励模型。
做了什么：13.7 万专家比较、奖励模型、ReFL 微调。
大贡献：把“人类偏好”变成可优化目标；评估/对齐都用得上。
面试怎么用：回答“奖励模型怎么做”“ReFL 是什么”。
链接：arXiv:2304.05977

5.4 HPSv2（2023）¶

影响力：A｜推荐：★★★★☆
一句话：大规模人类偏好数据集 + CLIP 微调评分模型。
做了什么：HPD v2（79.8 万选择）、HPS v2、文生图 benchmark。
大贡献：比 FID/CLIPScore 更接近人类偏好；常用评估基线。
面试怎么用：回答“HPSv2 和 CLIPScore 区别”。
链接：arXiv:2306.09341

5.5 GenEval（2023）¶

影响力：A｜推荐：★★★★☆
一句话：面向对象组合能力的评测：共现、位置、计数、颜色。
做了什么：对象检测 + 颜色分类 + 组合 prompt 集。
大贡献：补上 FID/CLIPScore 缺失的“组合能力”评估。
面试怎么用：回答“怎么评估计数/空间/属性绑定”。
链接：arXiv:2310.11513

5.6 VQAScore（2024）¶

影响力：A｜推荐：★★★★☆
一句话：用 VQA 模型判断“这张图是否展示了这段文本”，评估复杂对齐。
做了什么：VQA 概率作为对齐分数；GenAI-Bench 组合 prompt。
大贡献：比 CLIPScore 更擅长复杂组合/关系；可扩展到视频/3D。
面试怎么用：回答“CLIPScore 不够怎么办”。
链接：arXiv:2404.01291

6. 离散扩散、语言与科学应用¶

6.1 LLaDA（2025）¶

影响力：A｜推荐：★★★★☆
一句话：从零训练的扩散语言模型，挑战“LLM 必须自回归”的假设。
做了什么：mask 前向 + 反向生成、Transformer 预测 masked token、SFT。
大贡献：8B 扩散 LLM 可对标 LLaMA3 8B；展示扩散在语言上的可扩展性。
面试怎么用：回答“扩散能生成文本吗”“和 AR 的区别”。
链接：arXiv:2502.09992

6.2 MaskGIT（2022）¶

影响力：A｜推荐：★★★☆☆
一句话：用 mask 预测做离散 token 的并行生成/补全。
做了什么：masked visual token modeling、迭代解码。
大贡献：离散生成的重要 baseline；影响后续 masked diffusion。
面试怎么用：回答“离散扩散/掩码生成和连续扩散区别”。
链接：arXiv:2202.04200

6.3 DiffDock（2023）¶

影响力：A｜推荐：★★★☆☆
一句话：把分子对接建模成非欧几里得空间上的扩散。
做了什么：平移/旋转/扭转的扩散过程、置信度估计。
大贡献：扩散在药物设计/科学计算中的代表应用。
面试怎么用：回答“扩散除了图像还能做什么”。
链接：arXiv:2210.01776

6.4 AudioLDM（2023）¶

影响力：B｜推荐：★★★☆☆
一句话：在 CLAP latent 上做文本到音频的 latent diffusion。
做了什么：CLAP 音频 embedding、latent diffusion、文本引导。
大贡献：音频生成的代表；证明 LDM 可跨模态。
面试怎么用：回答“音频扩散和图像扩散的差异”。
链接：arXiv:2301.12503

6.5 Diffusion Policy（2023）¶

影响力：A｜推荐：★★★★☆
一句话：把机器人 visuomotor policy 建模成条件去噪过程。
做了什么：动作序列扩散、receding horizon、视觉条件、time-series transformer。
大贡献：扩散在机器人策略学习中的代表；多模态动作分布友好。
面试怎么用：回答“扩散在决策/机器人怎么用”。
链接：arXiv:2303.04137

7. 补充清单（没展开，但值得知道）¶

名字	年份	影响力	一句话贡献	链接
Flow Matching	2022	S	用连续概率路径/速度场统一生成建模	arXiv:2210.02747
Rectified Flow	2022	S	直线路径，少步 ODE 更容易	arXiv:2209.14577
Imagen	2022	S	大语言模型 + 级联扩散，展示文本对齐	arXiv:2206.10789
DALL·E 3	2023	S	recaption 提升 prompt 跟随	OpenAI PDF
FLUX.1	2024	A	12B 级开源/闭源 Flow Transformer	BFL 发布
T2I-Adapter	2023	A	更轻量的空间条件适配器	arXiv:2302.08453
DMD	2023	A	分布匹配蒸馏的开端	arXiv:2311.18828
SnapFusion	2023	B	手机端 2 秒文生图	arXiv:2306.00980
SiT	2024	B	Flow/Diffusion 的统一实验框架	arXiv:2401.08740
PhotoMaker	2023	A	stacked ID embedding	arXiv:2312.04461
PuLID	2024	B	对比对齐的 ID 定制	arXiv:2404.16022
DreamFusion	2022	S	SDS，2D 扩散做 3D	arXiv:2209.14988
MVDream	2023	A	多视角一致 3D 先验	arXiv:2308.16512
InstantMesh	2024	B	单图 10 秒 3D mesh	arXiv:2404.07191
DDPO	2023	A	扩散 RLHF	arXiv:2305.13301
ImageReward	2023	A	人类偏好奖励模型	arXiv:2304.05977
HPSv2	2023	A	人类偏好评分	arXiv:2306.09341
VQAScore	2024	A	VQA 组合对齐评估	arXiv:2404.01291
MaskGIT	2022	A	离散 token 掩码生成	arXiv:2202.04200
DiffDock	2023	A	分子对接扩散	arXiv:2210.01776
AudioLDM	2023	B	文本到音频 LDM	arXiv:2301.12503
Diffusion Policy	2023	A	机器人策略扩散	arXiv:2303.04137

8. 2026 观察：先别按引用排序¶

截至 2026-10，2026 年论文的引用量还在积累，不适合排“高引榜”。但可以看四条线：

实时视频/世界模型：Sora、Wan、HunyuanVideo 之后，重点是长时长、物理一致性、实时交互；
离散扩散 LLM：LLaDA 之后，masked diffusion 与 AR 的混合、推理效率；
3D/4D 资产：多视角扩散 + feed-forward 重建 + 3DGS/4D；
偏好/安全/可编辑：DPO、奖励模型、概念擦除、水印、版权。

面试时如果被问“2026 有什么新进展”，不要硬背论文名；说清这四条线 + 一个代表工作即可。

9. 面试延伸 15 问¶

DiT 和 UNet 的区别？
latent patch token + Transformer + adaLN；更容易 scale，但高分辨率 token 成本高。
Flow Matching 和 DDPM 的区别？
Flow 学速度场/概率路径，采样解 ODE；DDPM 学噪声/去噪，采样随机 SDE。
Rectified Flow 为什么能少步？
轨迹更直，ODE 积分更容易；不是严格 1 步。
Consistency Model 和蒸馏的区别？
一致性学习“任意时刻到 \(x_0\)”的映射；蒸馏可以是渐进/对抗/分布匹配。
LCM 和 Turbo 的区别？
LCM 一致性蒸馏；Turbo 对抗蒸馏 + 教师约束；都少步，但训练信号不同。
视频扩散比图像难在哪？
时空建模、数据/计算、长时长一致性、运动/物理、评测。
Sora 的“world simulator”是什么意思？
把视频生成当作学习世界动态；不是严格物理引擎，但强调规模/一致性。
SDS 是什么？
用 2D 扩散 score 蒸馏到 3D 渲染，让 2D 先验指导 3D 优化。
指令编辑和反演编辑的区别？
InstructPix2Pix 一次前向；DDIM inversion/Prompt-to-Prompt 需要反演/注意力控制。
ID 定制有哪些路线？
LoRA/DreamBooth（训练）、IP-Adapter（图像 prompt）、PhotoMaker/InstantID/PuLID（ID 适配）。
DDPO 和 Diffusion-DPO 的区别？
DDPO 是策略梯度 RL；DPO 直接用偏好对做分类式优化。
FID 之外怎么评？
CLIPScore/GenEval/VQAScore/HPSv2/人工；组合能力要专门 benchmark。
扩散 LLM 和 AR 的区别？
并行/迭代去噪 vs 逐 token 自回归；扩散可双向、但推理步数和质量仍是挑战。
2026 的趋势？
实时视频/世界模型、离散扩散 LLM、3D/4D、偏好/安全。
怎么读一篇新论文？
先看问题/贡献/限制，再看方法图/公式，最后用 90 秒讲出来。

扩展篇：2023–2026 扩散模型高影响论文地图¶

0. 先看地图¶

1. 架构与训练范式¶

1.1 DiT：Scalable Diffusion Models with Transformers（2023）¶

1.2 SDXL（2023）¶

1.3 PixArt-α（2023）¶

1.4 SD3：Scaling Rectified Flow Transformers（2024）¶

1.5 Sana（2024）¶

1.6 SiT（2024）¶

2. 加速与少步生成¶

2.1 Consistency Models（2023）¶

2.2 LCM：Latent Consistency Models（2023）¶

2.3 LCM-LoRA（2023）¶

2.4 ADD / SDXL-Turbo（2023）¶

2.5 DMD / DMD2（2023/2024）¶

2.6 SnapFusion（2023）¶

3. 条件控制、编辑与个性化¶

3.1 ControlNet（2023）¶

3.2 IP-Adapter（2023）¶

3.3 InstructPix2Pix（2022/2023）¶

3.4 InstantID（2024）¶

3.5 PhotoMaker（2023）¶

3.6 PuLID（2024）¶

4. 视频、3D 与世界模型¶

4.1 Stable Video Diffusion（2023）¶

4.2 Sora（2024）¶

4.3 CogVideoX（2024）¶

4.4 HunyuanVideo（2024）¶

4.5 Wan（2025）¶

4.6 DreamFusion（2022）¶

4.7 MVDream（2023）¶

4.8 InstantMesh（2024）¶

5. 对齐、偏好与评估¶

5.1 DDPO（2023）¶

5.2 Diffusion-DPO（2023/2024）¶

5.3 ImageReward（2023）¶

5.4 HPSv2（2023）¶

5.5 GenEval（2023）¶

5.6 VQAScore（2024）¶

6. 离散扩散、语言与科学应用¶

6.1 LLaDA（2025）¶

6.2 MaskGIT（2022）¶

6.3 DiffDock（2023）¶

6.4 AudioLDM（2023）¶

6.5 Diffusion Policy（2023）¶

7. 补充清单（没展开，但值得知道）¶

8. 2026 观察：先别按引用排序¶

9. 面试延伸 15 问¶

10. 怎么用这篇扩展¶

10.1 面试前 2 小时¶

10.2 一周精读¶

10.3 不要做的事¶

11. 相关页面¶