第 5 章材料设计理由¶

这份文档回答：为什么第 5 章选这些内容？学完能做什么？不学/不做会缺什么？

1. 本章定位¶

第 5 章不是“复现 SDXL/SD3”的课，而是：

把模型演进讲成设计动机：改了什么、解决什么、代价是什么。

三条主线：

SDXL：更大 + 更强文本 + micro-conditioning + refiner；
SD3：MMDiT + Rectified Flow + T5 + 16ch VAE；
三路线：LDM vs unCLIP vs GAN。

2. 材料地图¶

材料	为什么选	学完能做什么	不做什么
5.1 SDXL	A10 核心	说四项改动，解释 micro-conditioning	不训练 SDXL
5.2 SD3	A11 核心	写 Flow loss，画 MMDiT	不训练 SD3
5.3 三路线	A7/D6 核心	画 LDM/unCLIP/GAN，做选型	不复现 DALL·E 2
05 面试题库	知识→表达	90 秒回答 4 题	不覆盖所有题
06 练习	纸面检查	写 Flow loss、做对比	不做编程题
07 讲师手册	可授课	3 节课节奏/板书	不是学生必读
08 设计理由	解释取舍	判断增删/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 SDXL（5.1）¶

选择理由：

A10 是模型演进高频题；
SDXL 的四项改动很结构化，适合面试；
micro-conditioning 是区分“真懂”和“只知更大”的点。

学到什么：

双文本编码器；
更大 UNet；
micro-conditioning；
base + refiner；
1024/多宽高比。

能处理什么：

A10；
“SDXL 只是更大吗”；
“micro-conditioning 解决什么”；
“refiner 必须吗”。

为什么不做：

不训练 SDXL；
不跑 refiner 对比；
不展开训练工程。

3.2 为什么讲 SD3（5.2）¶

选择理由：

A11 是当前模型演进的核心；
MMDiT/Flow 是面试区分点；
T5/16ch VAE 容易被忽略。

学到什么：

MMDiT 与 cross-attn 的区别；
Rectified Flow 的插值/损失/采样；
三文本编码器；
16ch VAE；
SD3.5。

能处理什么：

A11；
“Flow 是不是 Diffusion”；
“为什么加 T5”；
“为什么 16ch VAE”。

为什么不做：

不训练 SD3；
不跑 Flow 采样；
不展开 scaling law。

3.3 为什么讲三路线（5.3）¶

选择理由：

A7/D6 是系统对比题；
很多人把 DALL·E 2 当成 LDM；
选型能力是岗位刚需。

学到什么：

LDM；
unCLIP（prior + decoder + 超分）；
GAN；
条件注入/开放程度/可控性；
选型。

能处理什么：

A7/D6；
“DALL·E 2 为什么需要 prior”；
“SD 为什么不需要”；
“GAN 还有什么价值”。

为什么不做：

不复现 DALL·E 2；
不跑 GAN；
不做大规模评测。

4. 为什么没有代码¶

面试考的是演进动机和对比；
训练/复现成本高；
跑通不等于理解；
本章产出是架构图、Flow 公式、选型表。

需要代码时，作为可选实验，不进入主线。

5. 学什么 → 能处理什么¶

学完	能处理的问题	能做的动作
5.1	A10、SDXL 改动	列四项、画 base/refiner
5.2	A11、SD3	写 Flow loss、画 MMDiT
5.3	A7/D6、选型	画三路线、做决策
05	面试追问	90 秒回答
06	自我检查	手算、推导、对比

6. 本章不覆盖什么¶

不覆盖 SDXL/SD3 的训练工程；
不覆盖 DALL·E 2 的完整细节；
不覆盖 GAN 的训练技巧；
不覆盖最新模型（Flux 等）的全面综述。

7. 你可以怎么改¶

加深 Flow Matching 数学；
增加 SD3.5/Flux 对比；
增加 DALL·E 3 的讨论；
增加 GAN 混合方案；
增加代码阅读题（可选）。

8. 怎么判断学会了¶

L1 能复述¶

能讲 3 分钟“SD 怎么演进到 SD3”。

L2 能画/写¶

能画 MMDiT/LDM/unCLIP，写 Flow loss。

L3 能比较¶

能比较 SDXL/SD3、SD/DALL·E 2、GAN/Diffusion。

L4 能应对追问¶

能回答“为什么改”“为什么加 T5”“为什么需要 prior”。

本章目标是 L2–L3，面试冲刺是 L4。

9. 最后一句话¶

第 5 章的价值，是让你把“模型演进”讲成设计选择，而不是参数表。