第 1 章材料设计理由¶

这份文档回答三个问题：
为什么选这些内容？学完能做什么？不学/不做会缺什么？
也给出可修改点，方便你提出新需求。

1. 先明确项目定位¶

这个项目不是“从零实现 Diffusion 的工程课”，而是：

以面试表达为目标的 Diffusion/AIGC 学习课堂。

因此第 1 章的材料选择遵循四条约束：

不写完整 DDPM 代码：代码会占用大量时间，但不直接提升面试表达；
不训练模型：训练调参属于工程课，不是本章目标；
公式必须能白板推：面试会追问“为什么”，不能只背结论；
每份材料都要有输出：复述、推导、对比、练习，而不是“看过”。

这也解释了一个取舍：我们保留伪代码/流程，但不提供可运行实现。
伪代码用于理解训练/采样在做什么；完整实现留给“可选扩展”，不影响主线。

2. 一页纸材料地图¶

材料	为什么选	学完能做什么	不做什么
1.1 生成模型全景	先建立坐标系，避免把 Diffusion 当孤立技巧	比较 GAN/VAE/Flow/Diffusion，回答“为什么 Diffusion 成为主流”	不深入 GAN 训练技巧、不推 VAE 全部细节
1.2 前向过程与噪声日程	D5 前半、D10 全部、A3 的核心	推导闭式边缘，解释 SNR/schedule，手算噪声水平	不实现训练循环、不调参
1.3 反向过程与 DDPM 损失	D5 后半、D9 的理论闭环	推后验、ELBO、噪声预测、采样	不做完整 ELBO 代数、不写代码
1.4 扩散变体与非高斯噪声	D2 的完整回答，Flow 的铺垫	解释“可以换噪声”及代价，比较 Cold/D3PM/Flow	不实现离散扩散、不训练 Flow
05 面试题库	把知识压缩成面试语言	90 秒回答 6 道核心题，接两层追问	不覆盖所有 AIGC 题
06 练习与答案	用输出检查理解，不靠“感觉会了”	手算、推导、概念辨析	不做编程题
07 讲师手册	让材料可授课、可控制节奏	按 90 分钟组织课堂、板书、互动	不是学生必读
08 材料设计理由	解释取舍，方便你改需求	判断哪些该加/删/加深	不是知识点讲义

3. 每份材料的详细理由¶

3.1 为什么先讲“生成模型全景”（1.1）¶

选择理由：

面试问 D6 时，考的不是“扩散定义”，而是“你能不能把 Diffusion 放进生成模型版图”；
如果直接推 DDPM，学生容易“会算但不会比较”；
四路线对比表是最容易复用的一张复习卡。

学到什么：

三种建模语言：显式密度、隐式密度、score；
GAN/VAE/Flow/Diffusion 的训练目标与采样方式；
Diffusion 的“稳定、可扩展、可控、但慢”从哪来；
DDPM 与 LDM 的区别。

能处理什么：

“GAN 和 Diffusion 的区别”；
“为什么 Diffusion 成为文生图主流”；
“Diffusion 和 VAE 什么关系”；
“DDPM 和 Stable Diffusion 是一回事吗”。

为什么不做：

不展开 GAN 的 WGAN-GP、StyleGAN；
不推 VAE 的完整 ELBO（1.3 会推扩散的 ELBO，VAE 只做对比）；
不写代码。

取舍：这一节是“地图”，不是“景点”。先把坐标建好，后面再深入。

3.2 为什么先讲前向过程（1.2）¶

选择理由：

DDPM 的所有公式都从 \(q(x_t\mid x_{t-1})\) 开始；
D10 是一道很容易答浅的题，必须用 SNR 和 schedule 讲透；
重参数化是 VAE/Diffusion 的共同基础，A3 常考。

学到什么：

马尔可夫加噪链；
重参数化的本质；
闭式边缘 \(q(x_t\mid x_0)\) 的推导；
\(\beta_t\)、\(\bar\alpha_t\)、SNR 的关系；
linear/cosine/zero terminal SNR 的差异；
手算噪声水平。

能处理什么：

“为什么 \(x_t\) 能一步采样”；
“为什么加噪幅度不一致”；
“重参数技巧是什么”；
“噪声 schedule 怎么选”；
“\(\beta_t\) 和 \(1-\bar\alpha_t\) 有什么区别”。

为什么不做：

不实现 schedule 代码；
不调参；
不展开 SDE。

取舍：这一节用“两步推导 + 数值例子”代替代码实验。数值例子同样能建立直觉，而且更适合面试复述。

3.3 为什么把后验和 ELBO 放在一起（1.3）¶

选择理由：

后验是 DDPM 推导的转折点：没有后验，就无法把“学分布”变成“学均值”；
ELBO 是面试官判断“你是真懂还是背公式”的分水岭；
噪声预测、采样公式都从这两步来。

学到什么：

真实后验的均值和方差；
ELBO 三项的含义；
固定方差时 KL 只依赖均值；
从后验均值到噪声预测；
\(\mathcal L_{\mathrm{simple}}\) 与 ELBO 的关系；
训练/采样流程；
\(\epsilon\)/\(x_0\)/\(v\) 的区别。

能处理什么：

“推演 DDPM”；
“为什么后验是高斯”；
“为什么预测噪声”；
“\(\mathcal L_{\mathrm{simple}}\) 是精确 ELBO 吗”；
“采样最后一步为什么加 0”；
“实现 DDPM 需要什么条件”。

为什么不做：

不写完整代码；
不展开所有配方代数；
不讨论分布式训练/显存优化。

取舍：保留“能白板写出来”的推导链条，删掉“工程实现细节”。这正是面试所需。

3.4 为什么讲非高斯与 Flow（1.4）¶

选择理由：

D2 是区分“背过”和“理解”的题；
只讲高斯，会让学生误以为“扩散=高斯”；
Flow Matching 是 SD3 的基础，必须提前铺垫；
Cold Diffusion/D3PM 能展示知识边界。

学到什么：

高斯在 DDPM 中的“便利性”角色；
换噪声要改的五个环节；
Cold Diffusion 的“退化—恢复”视角；
D3PM 的离散转移；
Flow Matching 与 DDPM 的相同/不同；
为什么工程默认高斯。

能处理什么：

“能否使用其他噪声”；
“为什么不用均匀噪声”；
“Cold Diffusion 和 DDPM 的区别”；
“Flow Matching 是不是 Diffusion”；
“离散 token 用什么扩散”。

为什么不做：

不实现 D3PM；
不训练 Flow；
不展开概率流 ODE 的数学。

取舍：这一节是“边界课”，目标是知道“有什么、为什么、代价是什么”，不是“会实现”。

3.5 为什么单独做面试题库（05）¶

选择理由：

知识会了 ≠ 面试能说；
90 秒回答需要压缩、结构化；
追问需要提前准备。

学到什么：

6 道核心题的 90 秒版本；
追问树；
15 分钟模拟面试流程；
评分维度。

能处理什么：

面试开场/追问；
压力下保持结构；
不会时诚实回答。

为什么不做：

不覆盖第 2–7 章的所有题；
不提供“逐字稿”，避免死背。

取舍：给结构和关键词，不鼓励背全文。

3.6 为什么做纸面练习（06）¶

选择理由：

看懂 ≠ 会推；
计算题能暴露“符号混”“累乘错”“SNR 不熟”；
不写代码也能有效检查。

学到什么：

手算 \(\bar\alpha_t\)、SNR；
推导后验/ELBO；
辨析概念；
面试复述自评。

能处理什么：

白板推导；
面试中的数值追问；
快速判断自己哪里不会。

为什么不做：

不做编程题；
不要求跑实验。

取舍：用“纸笔 + 口述”替代“代码 + 训练”，更符合面试场景。

3.7 为什么需要讲师手册（07）¶

选择理由：

有材料不等于能上课；
90 分钟需要节奏、板书、互动；
讲师要知道哪里停、哪里追问。

学到什么（对讲师）：

四节课的时间安排；
板书布局；
关键提问；
学生常见卡点；
课堂禁忌。

能处理什么：

线下/线上授课；
60/90/120 分钟适配；
根据学生基础调整深度。

4. 为什么没有 DDPM 完整代码¶

这是本次修改的核心。原因有四条：

4.1 目标不匹配¶

面试主要考：

你能不能解释公式；
你能不能比较方法；
你能不能做取舍；
你能不能把项目讲清楚。

完整代码主要训练：

工程实现；
debug；
调参；
性能优化。

两者有重叠，但不是同一件事。

4.2 时间成本高¶

写一个“能跑”的 DDPM 需要：

数据管线；
网络；
时间步编码；
训练循环；
采样；
调参；
可视化。

这些时间足以把第 1 章所有推导练三遍。

4.3 容易产生“假会”¶

跑通代码不等于理解：

可以抄一个实现，但讲不清后验；
可以调包生成图，但答不出“为什么预测噪声”；
可以训练，但说不清 ELBO。

4.4 代码会挤占表达训练¶

面试是“说”和“写”的结合。把时间花在环境/依赖/debug 上，反而减少白板推导和模拟面试的时间。

结论：本章不提供完整 DDPM 代码；只提供算法流程和伪代码级理解。
如果以后需要工程实现，可以作为“可选扩展”，不放进主线。

5. “学什么 → 能处理什么”总表¶

学完	能处理的问题	能做的动作
1.1	D6、为什么 Diffusion 主流、DDPM vs LDM	画对比表、讲 90 秒
1.2	D10、A3、前向闭式、schedule	推导、手算、解释 SNR
1.3	D5、D9、后验、ELBO、采样	白板推导、2 分钟回答
1.4	D2、Cold/D3PM/Flow	比较、判断适用场景
05	面试追问	90 秒回答、追问树
06	自我检查	手算、推导、错题归因

6. 这份材料不覆盖什么¶

为了避免误解，明确边界：

不覆盖 score SDE 的完整数学；
不覆盖 分布式训练/显存优化；
不覆盖 数据管线/模型部署；
不覆盖 SD/SDXL/SD3 的工程细节（后续章节）；
不覆盖 完整代码实现；
不覆盖 最新论文的全面综述。

这些不是“不重要”，而是“不属于第 1 章的面试主线”。

7. 你可以怎么改（新需求菜单）¶

如果你觉得某部分太浅/太深，可以直接按下面选项提：

7.1 加深数学¶

加 Fokker–Planck / SDE 推导；
加 score matching 的详细推导；
加 ELBO 的完整代数；
加 zero terminal SNR 的数学。

7.2 增加代码（可选）¶

只给 20 行伪代码；
给一个 notebook，但不要求运行；
给一个“代码阅读题”，不写实现。

7.3 增加面试训练¶

增加 50 题题库；
增加压力面试/追问脚本；
增加英文面试版；
增加白板推导视频脚本。

7.4 调整课程形态¶

60 分钟精简版；
120 分钟深度版；
4 次课改成 2 次课；
增加章节小测/结课项目（非代码）。

7.5 调整内容比例¶

少讲 GAN/VAE，多讲 DDPM；
少讲非高斯，多讲 schedule；
增加 Flow Matching；
增加论文精读。

建议改动时保持一个原则：每增加一个内容，就删掉一个低优先级内容，否则 90 分钟装不下。

8. 怎么判断“学会了”¶

四个层次：

L1 能复述¶

能用自己的话讲 3 分钟；
不追求公式，但逻辑不错。

L2 能推导¶

能白板写出前向、后验、ELBO、采样；
能解释每一步为什么。

L3 能比较¶

能对比 DDPM/DDIM/Flow/Cold；
能说出适用场景和代价。

L4 能应对追问¶

能接住“为什么后验是高斯”“为什么预测噪声”“为什么默认高斯”；
不会时能诚实说“不确定”，并给出推理。

本章目标是 L2–L3，面试冲刺目标是 L4。

9. 最后一句话¶

这份材料的价值，不是“覆盖所有知识”，而是用最少的内容，建立一条能从公式走到面试表达的路径。
如果你只记住一件事：先能白板推，再能 90 秒讲，最后能接追问。