第 5 章教学材料包：模型演进与系统对比¶
定位：面试学习，不是工程复现课。
不要求训练 SDXL/SD3、不要求复现 DALL·E 2、不要求跑 GAN。
要求：能讲清 SDXL/SD3 的改动、SD 与 DALL·E 2 的路线差异、GAN 与 Diffusion 的取舍。
1. 这一包材料解决什么问题¶
第 5 章对应 4 道高频题：
- A7：SD 和 DALL·E 2 的异同；
- A10：SDXL 的核心优化；
- A11：SD3 的核心优化；
- D6：GAN 和 Diffusion 的区别。
这四道题是“模型演进线”：
SD1.5（UNet + CLIP + Cross-Attn）
↓
SDXL（更大 UNet + 双文本编码器 + micro-conditioning + refiner）
↓
SD3（MMDiT + Rectified Flow + T5 + 16ch VAE）
↓
对比：DALL·E 2（unCLIP：prior + decoder）、GAN（对抗、一步）
学完这一包，你能把“模型为什么这样演进”讲成设计动机，而不是背参数。
2. 材料清单¶
| 文件 | 是什么 | 为什么需要 | 学完能做什么 |
|---|---|---|---|
| 5.1 SDXL | 1024 时代 | A10 的核心 | 讲双文本编码器/micro-conditioning/refiner |
| 5.2 SD3 | Transformer/Flow 时代 | A11 的核心 | 讲 MMDiT/Rectified Flow/T5/16ch VAE |
| 5.3 SD vs DALL·E 2 vs GAN | 路线对比 | A7、D6 的核心 | 画 LDM/unCLIP/GAN，做选型 |
| 05 章节面试题库 | 面试演练 | 把知识压缩成 90 秒答案 | 回答 A7/A10/A11/D6 |
| 06 章节练习与答案 | 纸面练习 | 不写代码也能检查理解 | 对比架构、写 Flow loss、做选型 |
| 07 讲师手册 | 授课脚本 | 3 节课可讲、可控制节奏 | 按 90 分钟组织课堂 |
| 08 材料设计理由 | 设计说明 | 解释取舍、边界与可修改点 | 判断是否加深/换案例 |
3. 建议学习顺序¶
自学版（约 4–5 小时）¶
- 读 5.1，列 SDXL 四项改动；
- 读 5.2，写 Flow loss，画 MMDiT；
- 读 5.3，画 LDM/unCLIP/GAN 三路线；
- 做 06 练习；
- 用 05 做 90 秒回答；
- 用 08 检查边界。
授课版（3 节 × 90 分钟）¶
- 第 1 节：5.1；
- 第 2 节：5.2；
- 第 3 节：5.3 + 面试演练。
详细节奏见 07 讲师手册。
4. 本章不做什么¶
- 不训练 SDXL/SD3；
- 不复现 DALL·E 2；
- 不跑 GAN；
- 不做 FID/CLIPScore 实验。
本章只保留架构、动机、公式和选型。
5. 本章验收清单¶
- [ ] 能说出 SDXL 的四项核心改动；
- [ ] 能解释 micro-conditioning；
- [ ] 能解释 base + refiner；
- [ ] 能写 Rectified Flow 的 loss；
- [ ] 能解释 MMDiT 与 Cross-Attention 的区别；
- [ ] 能说出 T5/16ch VAE 的作用；
- [ ] 能画 LDM vs unCLIP vs GAN；
- [ ] 能 90 秒回答 A7/A10/A11/D6。
6. 对应面试题¶
| 题目 | 主材料 | 辅助材料 |
|---|---|---|
| A7 SD vs DALL·E 2 | 5.3 | 05、06 |
| A10 SDXL | 5.1 | 05、06 |
| A11 SD3 | 5.2 | 05、06 |
| D6 GAN vs Diffusion | 5.3 | 05、06 |
7. 设计原则¶
每一次演进都要回答：改了什么、解决什么、代价是什么。
只背“SDXL 更大、SD3 用 Transformer”不够，要能说出为什么。