DDPM 和 DDIM 的区别是什么？ 第一步：前置小知识（重参数化技巧） 在扩散模型中，我们最常用到一个技巧：如果你有一个符合正态分布的变量 （均值为 ，方差为 ），我们可以把它拆成：  这里的  是一个标准正态分布的纯噪声 。 直白点说： 任意状态 = 确定的基础值 + (随机噪声  噪声强度)。记住这个公式，它是贯穿整个推导的灵魂。 第二步：DDPM 的基础设定（从头到尾加噪） 在原来的 DDPM（去噪扩散概率模型）中，我们有一个清晰的正向加噪过程。 假设我们有一张清晰的图像（或者机器人的一个完美动作），叫做 。我们在它上面不断加噪声，加到第  步时，它变成了 。 DDPM 证明了一个极...

看来得重新踏上征程了。后悔之前oc之后没有走其他的流程。

二面，还是视频面试，这次面试官换了一个人，自我介绍说是做系统软件方向的高级工程师。和一面相比节奏明显不一样，问题少但每道都很深，基本上每个话题都会顺着你的回答继续挖，感觉整场面试就是在不断被追问。项目聊了将近三十分钟，他对架构设计和遇到的问题非常感兴趣，问了很多"为什么这么做"和"有没有更好的方案"。后半段有一道系统设计题，没有手撕算法，但设计题聊了很久。整体强度比一面高不少，面完感觉脑子空了。1. 讲一下你对 C++ 对象内存布局的理解，虚继承是怎么解决菱形继承问题的？答：一个普通 C++ 对象的内存布局，从低地址到高地址依次是：如果有虚函数，最开头是...