跳转至

第 6 章讲师手册

用途：把第 6 章 3 节课讲顺，并组织一次模拟面试。
原则：讲指标边界、诊断逻辑和表达，不做评测工程。

1. 授课对象与前置

对象：

  • 已学完第 1–5 章；
  • 需要把知识转成面试表达；
  • 准备模拟面试。

前置：

  • DDPM/采样/SD/CLIP/ControlNet 基础；
  • 知道 FID/CLIPScore 的名字（不熟也没关系）。

不需要：

  • 跑过 FID；
  • 训练过 GAN；
  • 搭过评测平台。

2. 三节课总览

课次 主题 核心产出 对应材料
第 1 课 评估指标 场景—指标表 6.1
第 2 课 模式坍塌 诊断表 6.2
第 3 课 26 题 + 模拟面试 评分/复盘 6.3

3. 第 1 课：评估指标

3.1 时间安排（90 分钟）

时间 环节 内容
0–5 开场 为什么评估难
5–25 四维度 保真/多样/对齐/偏好
25–45 FID/IS/KID 公式、假设、局限
45–60 CLIPScore/P-R 对齐/覆盖
60–75 评测设计 prompt/seed/人工/任务
75–85 面试 90 秒 A4
85–90 小结 作业

3.2 板书布局

左侧：四维度
中间：FID 公式 + 局限
右侧：CLIPScore/P-R
底部：评测方案（自动+人工+任务）

3.3 关键提问

  • FID 为什么不衡量对齐？
  • CLIPScore 为什么可被刷？
  • Precision/Recall 怎么诊断？
  • 不同论文 FID 能直接比吗？

3.4 常见卡点

卡点 处理
FID 唯一论 讲 3 个反例
CLIPScore 质量论 讲伪影
指标堆砌 用四维度归类
不看样本量 强调实现差异

4. 第 2 课：模式坍塌

4.1 时间安排（90 分钟）

时间 环节 内容
0–5 开场 什么叫坍塌
5–20 定义 坍塌 vs 丢弃
20–40 原因 对抗失衡/信号不足
40–60 方法 损失/多样性/训练/架构
60–75 诊断 Precision/Recall/聚类
75–85 面试 90 秒 A9
85–90 小结 作业

4.2 板书布局

左侧：坍塌 vs 丢弃
中间：原因（G/D 失衡）
右侧：方法分层（损失/多样性/训练）
底部：诊断（P/R、聚类、人眼）

4.3 关键提问

  • 为什么 GAN 会坍塌？
  • WGAN 为什么有效？
  • truncation 能根治吗？
  • Diffusion 会坍塌吗？

4.4 常见卡点

卡点 处理
只背 WGAN 讲原因
truncation 根治 讲权衡
FID 正常=没坍塌 讲漏模式
说 Diffusion 没失败 列失败模式

5. 第 3 课：26 题 + 模拟面试

5.1 时间安排（90 分钟）

时间 环节 内容
0–5 开场 90 秒模板
5–25 分组串讲 6 组关键词
25–45 抽答 每人 2 题 + 追问
45–75 模拟面试 15 分钟一轮
75–85 反馈 评分 + 改进
85–90 总结 复习计划

5.2 板书布局

左侧：90 秒四步
中间：26 题 6 组
右侧：追问树
底部：评分表

5.3 关键提问

  • 一句话结论是什么？
  • 公式/图在哪？
  • 和相近方法比呢？
  • 局限是什么？
  • 不会时怎么答？

5.4 常见卡点

卡点 处理
没结构 四步模板
背全文 记钩子
不会硬编 诚实+推理
超时 计时练

6. 教学节奏控制

基础弱

  • 先四维度，再指标；
  • 坍塌只讲定义/原因/3 方法；
  • 模拟面试 10 分钟。

基础好

  • 加问 FID 的统计假设；
  • 加问奖励模型偏差；
  • 加问 Diffusion 失败模式；
  • 45 分钟全真模拟。

时间不够

优先级：

  1. FID/CLIPScore 局限；
  2. 坍塌诊断；
  3. 90 秒模板；
  4. 模拟面试。

7. 课堂禁忌

  • ❌ 不要现场跑 FID；
  • ❌ 不要训练 GAN；
  • ❌ 不要只背指标名；
  • ❌ 不要模拟面试不留反馈；
  • ❌ 不要让学生只背全文。

8. 课前检查清单

  • [ ] 四维度表；
  • [ ] FID 公式/局限；
  • [ ] 坍塌方法表；
  • [ ] 26 题钩子；
  • [ ] 评分表；
  • [ ] 计时器。

9. 相关材料