第 2 章面试题库：90 秒答案与追问¶
用途：把第 2 章知识压缩成面试语言。
方法：先自己答，再看参考；每题至少练 3 遍，第 3 遍录音。标记：S = 必须熟练；A = 高频；B = 加分。
1. 本章 4 道核心题¶
| 题号 | 题目 | 重要度 | 主材料 |
|---|---|---|---|
| D1 | 常见采样方式 | S | 2.1、2.2 |
| D3 | Diffusion 加速方法 | S | 2.2、2.3 |
| D4 | DDPM 和 DDIM 的关系 | S | 2.1 |
| D8 | classifier-free vs classifier guidance | S | 2.4 |
2. D4：DDPM 和 DDIM 的关系（S）¶
90 秒版¶
“它们共享同一个前向边缘分布和训练目标，区别在反向过程。DDPM 是马尔可夫链，反向每步注入噪声，是随机采样；DDIM 用非马尔可夫前向，但保持相同的 \(q(x_t|x_0)\)，反向可以取 \(\sigma=0\) 变成确定性采样，所以能跳步、能反演。DDPM 可以看成 DDIM 在 \(\sigma_t^2=\tilde\beta_t\)、取全部步数时的特例。同一个 checkpoint 可以直接换 DDIM 采样，不需要重新训练。”
追问 1：DDIM 为什么能跳步？¶
DDIM 的反向定义在子序列上，前向边缘仍匹配训练分布；不是简单每隔几步取一个，而是重新定义一条一致的反向轨迹。
追问 2：DDIM 一定比 DDPM 好吗？¶
不一定。高步数下接近；低步数可能损失细节；DDIM 的确定性也降低了多样性。
追问 3：DDIM inversion 是什么？¶
\(\sigma=0\) 时 DDIM 是确定性映射，可以正向/反向走，用于编辑；但网络不是精确可逆，步数少会累积误差。
易错点¶
- 说 DDIM 是另一种训练方法；
- 说 DDPM 是 DDIM 的特例反了；
- 忽略 DDIM 也能随机（\(\sigma>0\)）。
3. D1：常见采样方式（S）¶
90 秒版¶
“可以按随机性和数值方法分。随机采样有 DDPM 祖先采样、Euler a、SDE；确定性采样有 DDIM、ODE Euler、Heun；高阶/多步有 PLMS、DPM-Solver、DPM-Solver++、UniPC；少步蒸馏有 LCM、Turbo、DMD；Flow 模型用 Euler/Heun 解 ODE。实际选择看任务：通用质量用 DPM++ 2M/UniPC，编辑用 DDIM，实时用蒸馏模型。”
追问 1：采样器和调度器的区别？¶
Scheduler 定义噪声水平/时间步/sigma；Sampler 决定如何数值积分。两者可以独立组合。
追问 2：为什么 DPM-Solver 快？¶
把 ODE 写成半线性形式，线性部分解析积分，非线性部分高阶近似；不是蒸馏，不改模型。
追问 3：Euler a 和 Euler 的区别？¶
Euler a 是祖先采样，每步注入噪声；Euler 是确定性 ODE 一阶解。
4. D3：Diffusion 加速方法（S）¶
90 秒版¶
“分两类。Training-free：更好的采样器，比如 DDIM、DPM-Solver、UniPC，减少步数但不改模型；还有缓存、量化、TensorRT 等系统优化。Training-based：渐进蒸馏把多步压成少步，LCM 用一致性蒸馏做到 1–4 步，Turbo 用对抗蒸馏，DMD 做分布匹配，Rectified Flow 把轨迹拉直。少步模型会牺牲一些多样性和细节，CFG 也要重新调。实际选型看延迟、质量和成本。”
追问 1：LCM 和 Turbo 的区别？¶
LCM 是一致性蒸馏，学习任意时刻映射到 \(x_0\)；Turbo 是对抗蒸馏 + 教师约束，用判别器提升真实感。
追问 2：为什么 Turbo 建议低 CFG？¶
少步/对抗训练后条件已经很强，高 CFG 容易过饱和、伪影。
追问 3：蒸馏和采样器能一起用吗？¶
可以；少步模型通常还要配匹配的 solver/scheduler，但主要加速来自模型。
5. D8：CFG 和 classifier guidance（S）¶
90 秒版¶
“Classifier guidance 需要额外训练噪声分类器，用 \(\nabla\log p(c|x_t)\) 修改 score；CFG 不需要分类器，而是同时训练条件和无条件模型，采样时用 \(\epsilon_\theta(x_t,c)-\epsilon_\theta(x_t,\varnothing)\) 的差近似分类器梯度，再乘 \(w\)。CFG 更简单、更通用，是文生图主流；但它要两次前向，\(w\) 太高会过饱和、降多样性。两者本质都是放大条件方向。”
追问 1：CFG 需要分类器吗？¶
不需要。classifier-free 就是没有显式分类器。
追问 2：为什么训练时要条件 dropout？¶
为了让同一网络同时具备条件和无条件能力，推理时才能算 \(\epsilon_\theta(x_t,\varnothing)\)。
追问 3：负向 prompt 怎么实现？¶
把负向文本编码作为 \(c_{\mathrm{neg}}\)，替代空条件；公式上用负向预测作为基线。
追问 4：\(w\) 太高会怎样？¶
过饱和、色彩偏移、纹理僵硬、多样性下降；可用 CFG rescale/dynamic CFG 缓解。
6. 延伸题：12 个高频追问¶
Q1：DDIM 的 \(\sigma_t\) 控制什么？¶
控制随机性。\(\sigma=0\) 确定性；\(\sigma^2=\tilde\beta_t\) 且全步退化为 DDPM；中间值插值。
Q2：DDIM 为什么能反演？¶
\(\sigma=0\) 时是确定性 ODE，可以反向积分；但网络近似可逆，误差会累积。
Q3：SDE 和 ODE 采样怎么选？¶
要多样性/随机性用 SDE；要可复现/编辑用 ODE（DDIM/Euler）。
Q4：为什么高阶 solver 不一定更快？¶
每步可能多次模型评估；步数少不等于 wall-clock 少，还要看 CFG、VAE、batch。
Q5：PLMS 和 DPM-Solver++ 的区别？¶
PLMS 是线性多步；DPM-Solver++ 用指数积分/半线性结构，通常更稳、更少步。
Q6：UniPC 是什么？¶
统一预测-校正框架，结合预测器和校正器，15–30 步质量稳定。
Q7：渐进蒸馏怎么折半？¶
教师 \(N\) 步，学生学 \(N/2\) 步；反复训练，逐步压到 2–8 步。
Q8：LCM 为什么能 1–4 步？¶
学习一致性映射：同一条轨迹上的不同 \(x_t\) 都映射到同一个 \(x_0\)，所以可以从更晚的时刻直接跳。
Q9：DMD 和 LCM 的区别？¶
LCM 学一致性映射；DMD 做分布匹配，让学生分布逼近教师分布，通常多样性更好但训练更复杂。
Q10：Rectified Flow 为什么能少步？¶
把概率流轨迹拉直，ODE 更容易积分；不是严格 1 步，通常 1–8 步。
Q11：CFG 为什么成本翻倍？¶
需要条件前向和无条件前向各一次；也可以 batch 合并，但计算量仍在。
Q12：CFG 和负向 prompt 的关系？¶
负向 prompt 是 CFG 的扩展：用负向条件替代空条件，把采样推离负向语义。
7. 追问树：D4¶
DDPM/DDIM 关系
├── 共享什么？
│ ├── 前向边缘 q(xt|x0)
│ └── 噪声预测训练目标
├── 差在哪？
│ ├── DDPM 马尔可夫、随机
│ └── DDIM 非马尔可夫、可确定
├── 为什么能跳步？
│ ├── 子序列反向
│ └── 边缘匹配
├── 什么特例？
│ ├── σ²=β̃
│ └── 全步
└── 有什么用？
├── 快速采样
└── 反演/编辑
8. 15 分钟模拟面试脚本¶
| 时间 | 内容 | 目标 |
|---|---|---|
| 0–2 | 自我介绍 | 建立上下文 |
| 2–5 | D4 | 公式与关系 |
| 5–8 | D1/D3 | 分类与选型 |
| 8–12 | D8 | 推导与取舍 |
| 12–15 | 追问 + 反馈 | 深度与表达 |
评分（每项 1–5）¶
- 正确性；
- 结构；
- 深度；
- 表达；
- 诚实。
9. 练习方法¶
- 看答案，标关键词；
- 遮住答案，90 秒复述；
- 录音，回听卡壳；
- 找人追问“为什么”。
背“结构 + 3 个关键词 + 1 个公式”，不要背全文。