评估方案与面试 Rubric¶
目标：让“学会”可检查，而不是靠感觉。
总分 100：日常自测 20 + 章节作业 30 + 综合练习 30 + 模拟面试 20。
1. 总览¶
| 模块 | 权重 | 形式 | 通过标准 |
|---|---|---|---|
| 日常自测 | 20% | 每节课 3 题 + 90 秒复述 | 26 节完成 ≥ 80% |
| 章节作业 | 30% | 每章 1 个产出 | 8 章中至少 6 章合格 |
| 综合练习 | 30% | 练习 A/B/C | 总分 ≥ 21/30 |
| 模拟面试 | 20% | 理论 + 白板 + 方案 | ≥ 14/20 |
通过线：70/100；优秀：85/100。
2. 日常自测（20 分）¶
每节课后，用 5 分钟回答：
- 本节最重要的一个公式/图是什么？
- 它解决什么问题？
- 它和哪个相近方法容易混淆？
评分：
- 3/3 且能复述：1 分；
- 2/3：0.5 分；
- ≤ 1/3：0 分。
26 节 × 1 分，按 20% 折算。
自测记录模板¶
## 第 X 节 自测
- 核心公式/图：
- 解决的问题：
- 易混点：
- 90 秒复述：流畅 / 卡壳 / 不会
- 下一步：
3. 章节作业（30 分）¶
每章至少提交一个产出：
| 章节 | 作业 | 合格标准 |
|---|---|---|
| 第 0 章 | 能力雷达 + 学习计划 | 26 题标记完成，路径明确 |
| 第 1 章 | DDPM 一页纸 + SNR 手算 + 90 秒回答 | 公式正确，能讲清 |
| 第 2 章 | 采样器/CFG 对比报告 | 有对比矩阵、结论、失败分析 |
| 第 3 章 | SD 架构图 + 训练 recipe | 数据流正确，trick 有动机 |
| 第 4 章 | 条件控制方案设计 | 工具有边界、scale 有理由 |
| 第 5 章 | 模型演进一页纸 | 改动/动机/代价对应 |
| 第 6 章 | 评测方案 + 模拟面试 | 指标合理，评分 ≥ 70 |
| 第 7 章 | 综合练习报告 + 答辩 | 推导/方案完整，有取舍 |
评分维度：正确性 40%、完整性 20%、分析深度 20%、可检查 10%、表达 10%。
4. 综合练习 Rubric（30 分）¶
| 维度 | 分值 | 标准 |
|---|---|---|
| 问题定义 | 4 | 需求清晰、约束明确、成功标准可衡量 |
| 技术方案 | 8 | 方案与问题匹配，架构合理，有取舍 |
| 知识正确性 | 6 | 公式/架构/概念无明显错误 |
| 分析与取舍 | 6 | 有比较、有理由、能解释失败 |
| 分析深度 | 3 | 能解释现象、失败原因、局限 |
| 表达展示 | 3 | 图/文档/答辩清晰 |
练习 A/B/C 各 10 分，共 30 分。
通过线：每个练习 ≥ 7 分；总分 ≥ 21 分。
5. 模拟面试 Rubric（20 分）¶
5.1 理论（8 分）¶
| 维度 | 分值 | 表现 |
|---|---|---|
| 正确性 | 3 | 公式/概念无明显错误 |
| 结构 | 2 | 一句话结论 → 原理 → 对比 → 局限 |
| 深度 | 2 | 能接住两层追问 |
| 表达 | 1 | 简洁、有逻辑、不堆术语 |
5.2 白板/方案（6 分）¶
| 维度 | 分值 | 表现 |
|---|---|---|
| 公式推导 | 2 | DDPM/CFG/CLIP 能写 |
| 方案思路 | 2 | 知道输入输出、模块、关键参数 |
| 边界/风险 | 2 | 能说出失败模式和检查方法 |
5.3 方案/系统设计（6 分）¶
| 维度 | 分值 | 表现 |
|---|---|---|
| 问题拆解 | 2 | 能拆成数据、模型、训练、评测 |
| 方案取舍 | 2 | 能比较 2–3 个方案 |
| 指标/风险 | 2 | 有评测、上线风险、回滚 |
通过线：14/20；优秀：17/20。
6. 章节小测（示例）¶
第 1 章¶
- 写出 \(q(x_t\mid x_0)\)，并解释 \(\bar\alpha_t\)。
- 写出真实后验均值 \(\tilde\mu_t\)。
- 为什么 DDPM 可以只预测噪声？
- 解释 \(\beta_t\) 与 \(1-\bar\alpha_t\) 的区别。
- 说出一种非高斯扩散，并说明难点。
第 2 章¶
- 写出 DDIM 更新式。
- DDPM 是 DDIM 的什么特例？
- DPM-Solver 为什么能用更少步？
- 写出 CFG 公式。
- 高 CFG 为什么会过饱和？
第 3 章¶
- 写出 VAE ELBO。
- VQ-VAE 的三项损失是什么？
- SD 为什么在 latent 上扩散？
- Cross-Attention 的 Q/K/V 来自哪里？
- Offset Noise 解决什么问题？
第 4 章¶
- 写出 CLIP 对称损失。
- CLIP 的 3 个局限。
- ControlNet 的 zero convolution 作用？
- IP-Adapter 的解耦 cross-attention 是什么？
- LoRA 与 DreamBooth 的区别？
第 5 章¶
- SDXL 的四项核心改动。
- MMDiT 与 Cross-Attention 的区别。
- 写出 Rectified Flow 的 loss。
- SD 与 DALL·E 2 的架构差异。
- GAN 与 Diffusion 的取舍。
第 6 章¶
- FID 衡量什么，局限是什么？
- CLIPScore 为什么不能代表图像质量？
- 模式坍塌与模式丢弃的区别？
- 说出 3 种改善模式坍塌的方法。
- 如何设计一个 100 prompt 的评测集？
7. 作品集 Checklist¶
- [ ] 练习/方案一句话简介；
- [ ] 问题与约束；
- [ ] 架构图；
- [ ] 关键公式/参数；
- [ ] 实验设置（数据、seed、指标）；
- [ ] 结果表/对比图；
- [ ] 消融实验；
- [ ] 失败案例；
- [ ] 复述/讲解步骤；
- [ ] 2 分钟视频/10 分钟答辩。
8. 面试表达检查表¶
回答任何题时，检查：
- [ ] 有没有一句话结论？
- [ ] 有没有核心公式/图？
- [ ] 有没有和相近方法对比？
- [ ] 有没有说局限/取舍？
- [ ] 有没有超过 2 分钟？
- [ ] 被追问时有没有正面回答？