6.3 26 题串讲与模拟面试¶
所属章节：第 6 章 评估、失败模式与面试实战
课时：90 分钟
前置：第 1–5 章
对应面试题：全部 26 题
一句话目标：把“会知识点”变成“能在压力下讲清楚”，并完成一次可评分的模拟面试。
1. 学习目标¶
学完本节，你应该能够：
- 用固定结构回答任意高频题；
- 按 6 组串起 26 题；
- 接住至少两层追问；
- 在白板上写核心公式；
- 完成 15/45 分钟模拟面试；
- 用评分表做自我复盘。
2. 90 秒答题模板¶
2.1 四步结构¶
- 一句话结论：它是什么/解决什么；
- 核心原理：1 个公式/结构/流程；
- 对比/取舍：和相近方法比；
- 局限/实践：代价、失败模式、使用场景。
2.2 示例：DDPM/DDIM¶
一句话：共享训练目标，区别在反向。 原理：DDIM 非马尔可夫、可确定性、可跳步。 对比：DDPM 随机/多样，DDIM 快/可反演。 局限：极低步数丢细节，确定性降多样性。
2.3 避免¶
- 一上来讲细节，没有结论；
- 只背名词，没有公式/图；
- 不会时硬编；
- 超过 2 分钟。
3. 26 题分组¶
组 A：扩散基础（D5、D9、D10、A3）¶
关键词：
- 前向/后验/ELBO；
- 噪声预测；
- SNR/schedule；
- 重参数化。
组 B：采样与加速（D1、D3、D4、D8）¶
关键词：
- DDIM；
- DPM-Solver；
- LCM/Turbo；
- CFG。
组 C：SD 系统（A2、A5、A6、A8、A16、D7）¶
关键词：
- VAE/VQ；
- latent diffusion；
- cross-attention；
- 两阶段训练；
- Offset Noise。
组 D：条件与个性化（A1、A12、A13、A14、A15）¶
关键词：
- CLIP；
- ControlNet；
- IP-Adapter；
- LoRA/DreamBooth/TI。
组 E：演进与对比（A7、A10、A11、D6）¶
关键词：
- SDXL；
- SD3/MMDiT/Flow；
- LDM vs unCLIP；
- GAN vs Diffusion。
组 F：评估与失败（A4、A9、D2）¶
关键词：
- FID/CLIPScore；
- 模式坍塌；
- 非高斯扩散。
4. 26 题一句话钩子¶
| 题号 | 一句话钩子 |
|---|---|
| D1 | 采样器 = 解反向过程的数值方法 |
| D2 | 高斯不是必须，但最可计算 |
| D3 | 加速 = 少步 + 每步更快 |
| D4 | DDPM 是 DDIM 的特例 |
| D5 | 前向→后验→ELBO→噪声预测→采样 |
| D6 | GAN 对抗一步，Diffusion 去噪多步 |
| D7 | Offset Noise 补低频亮度 |
| D8 | CFG 用条件/无条件差替代分类器 |
| D9 | 无条件 DDPM 不需要标签 |
| D10 | β 是 schedule，SNR 平滑下降 |
| A1 | CLIP 双塔 + 对称 InfoNCE |
| A2 | AE 确定、VAE 连续、VQ 离散 |
| A3 | 随机性剥离到 ε |
| A4 | FID 保真、CLIPScore 对齐、人工偏好 |
| A5 | SD 核心 = Latent Diffusion |
| A6 | 两阶段：VAE + LDM |
| A7 | SD=LDM，DALL·E 2=unCLIP |
| A8 | 图像 Q，文本 K/V |
| A9 | 坍塌 = 覆盖少数模式 |
| A10 | SDXL = 双文本 + micro-cond + refiner |
| A11 | SD3 = MMDiT + Flow + T5 + 16ch VAE |
| A12 | LoRA 增量、DreamBooth 配方、TI token |
| A13 | ControlNet = frozen base + copy + zero conv |
| A14 | IP-Adapter = 解耦 cross-attn |
| A15 | CLIP 强语义、弱组合 |
| A16 | Self 同源，Cross Q 图像/KV 文本 |
用法：先记钩子，再展开 3 句；不要背整段。
5. 追问树示例¶
D5¶
DDPM
├── 前向为什么能一步采样？
├── 后验为什么是高斯？
├── ELBO 怎么分解？
├── 为什么预测噪声？
└── 采样最后一步为什么加 0？
A5¶
SD
├── 为什么在 latent 上扩散？
├── VAE 只跑几次？
├── 文本怎么进去？
├── CFG 在哪？
└── 瓶颈是什么？
A13¶
ControlNet
├── 为什么需要？
├── 为什么复制编码器？
├── 零卷积为什么重要？
├── 训练整个 SD 吗？
└── 多条件怎么组合？
6. 15 分钟模拟面试¶
| 时间 | 内容 | 目标 |
|---|---|---|
| 0–2 | 自我介绍 | 建立上下文 |
| 2–5 | D5 或 D4 | 公式主线 |
| 5–8 | D8 或 D3 | 采样/引导 |
| 8–12 | A5/A8/A13 | 系统/控制 |
| 12–15 | 反问 + 反馈 | 表达/诚实 |
7. 45 分钟模拟面试¶
| 时间 | 内容 |
|---|---|
| 0–5 | 自我介绍 + 项目 |
| 5–15 | 扩散基础（D5/D10/A2） |
| 15–25 | 采样/加速（D1/D3/D4/D8） |
| 25–35 | SD 系统（A5/A6/A8/A13） |
| 35–42 | 演进/评估（A10/A11/A4） |
| 42–45 | 反问 + 反馈 |
8. 评分表¶
每项 1–5：
| 维度 | 1 分 | 5 分 |
|---|---|---|
| 正确性 | 明显错误 | 公式/概念准确 |
| 结构 | 散乱 | 结论→原理→对比→局限 |
| 深度 | 只会背 | 能接两层追问 |
| 表达 | 冗长/卡壳 | 简洁有逻辑 |
| 诚实 | 硬编 | 不会时承认并推理 |
总分 25；≥ 18 通过，≥ 21 优秀。
9. 常见失败模式¶
- 把 DDIM、DPM-Solver、LCM 混为一谈；
- CFG 说成需要分类器；
- SD 说成像素扩散；
- ControlNet 说成训练整个 SD；
- IP-Adapter 和 ControlNet 混；
- FID 当唯一指标；
- 项目只讲“用了什么”，不讲取舍；
- 不会时硬编。
10. 练习方法¶
- 每天 5 题，90 秒录音；
- 每周一次 15 分钟模拟；
- 错题回到对应章节；
- 白板写核心 10 题；
- 最后做一次 45 分钟全真模拟。