第 6 章面试题库：90 秒答案与追问¶
用途：把评估、失败模式、综合面试压缩成可练习的答案。
标记：S = 必须熟练；A = 高频；B = 加分。
1. 本章 2 道核心题¶
| 题号 | 题目 | 重要度 | 主材料 |
|---|---|---|---|
| A4 | 图像生成评估指标 | S | 6.1 |
| A9 | GAN 模式坍塌 | A | 6.2 |
2. A4：图像生成评估指标（S）¶
90 秒版¶
“可以分四类：保真度用 FID、Precision；多样性用 Recall、IS；图文对齐用 CLIPScore、GenEval；人类偏好用 HPSv2/ImageReward 或人工评分。FID 比较真实/生成特征的均值和协方差，越低越好，但它不衡量文本对齐，对样本量和预处理敏感。CLIPScore 衡量图文相似度，但可被刷、弱于组合推理。实际评估要固定 prompt/seed，自动指标 + 人工 + 任务指标一起看，不能只看 FID。”
追问 1：FID 的假设？¶
特征服从高斯；Inception 特征代表感知；样本量足够。
追问 2：FID 低但生成不好，为什么？¶
FID 不衡量文本对齐；可能图真实但不符合 prompt，或模式缺失。
追问 3：CLIPScore 能当唯一指标吗？¶
不能；它不惩罚伪影，且可被 prompt 刷分。
追问 4：如何评估组合能力？¶
GenEval/T2I-CompBench，覆盖对象/计数/颜色/空间。
3. A9：GAN 模式坍塌（A）¶
90 秒版¶
“模式坍塌是生成器只覆盖少数模式。改善分几层：损失上用 WGAN-GP、hinge、R1、spectral norm 稳定判别器；多样性上用 minibatch discrimination、PacGAN、unrolled GAN、diversity loss；训练上用 EMA、TTUR、replay buffer、progressive growing；数据上更均衡；推理时 truncation 只是保真度/多样性权衡，不是根治。诊断要看 Precision/Recall，不能只看 FID。”
追问 1：WGAN 为什么能缓解？¶
Wasserstein 距离在分布不重叠时仍有梯度。
追问 2：truncation 是解决方案吗？¶
不是；它降低多样性换保真度。
追问 3：Diffusion 会坍塌吗？¶
不一定以 GAN 方式，但会有模式缺失/偏见/记忆。
4. 综合追问：10 个¶
Q1：FID 和 KID 的区别？¶
FID 用高斯 Frechet 距离；KID 用 MMD，无偏，适合小样本。
Q2：IS 为什么不可靠？¶
它用 Inception 分类，不能衡量文本对齐，容易被刷。
Q3：Precision/Recall 怎么用？¶
Precision 看保真度，Recall 看覆盖；Precision 高/Recall 低说明漏模式。
Q4：人工评估怎么设计？¶
固定 prompt/评分标准，多人盲评，报告一致性。
Q5：奖励模型有什么问题？¶
有偏好偏差，可能被刷，不能替代人工。
Q6：模式坍塌和模式丢弃的区别？¶
坍塌是塌到少数模式；丢弃是部分模式没学到。
Q7：R1 正则为什么有效？¶
惩罚判别器梯度，限制其过强，稳定训练。
Q8：PacGAN 是什么？¶
判别器看多个样本的联合分布，惩罚模式集中。
Q9：Diffusion 的失败模式有哪些？¶
模式缺失/偏见/记忆/过饱和/对齐失败/少步多样性下降。
Q10：如果 FID 和 CLIPScore 冲突怎么办？¶
报告多个维度，结合人工/任务指标，不能单指标下结论。
5. 追问树：A4¶
评估
├── 保真度：FID/Precision
├── 多样性：Recall/IS
├── 对齐：CLIPScore/GenEval
├── 人类：HPSv2/人工
└── 陷阱：FID 不对齐、CLIPScore 可刷
6. 15 分钟模拟面试¶
| 时间 | 内容 |
|---|---|
| 0–2 | 自我介绍 |
| 2–6 | A4 |
| 6–10 | A9 |
| 10–13 | 综合追问 |
| 13–15 | 反馈 |
7. 练习方法¶
- 90 秒录音；
- 追问两层；
- 错题回到 6.1/6.2；
- 用 6.3 做全真模拟。