面完阿里 AIGC 大模型算法岗，心态崩了。。。

最近这一两周看到不少互联网公司都已经开始秋招提前批了。

不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。

最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。

合集：

《大模型面试宝典》(2024版) 正式发布！

喜欢本文记得收藏、关注、点赞。更多实战和面试交流，文末加入我们

---

AIGC 高频面试题

最近 AIGC 相关的面试题猛增，特别是爆火的LLM、多模态、扩散模型等考察的知识点越来越多。有球友跟我反馈，上周面试了 阿里的AIGC 岗位，差点崩溃。。。

在这里我特别整理了一些代表性面试题，下图中的题目，你会几题？！

Diffusion

1. 常见的采样方式以及原理？

2. 扩散模型中添加的是高斯噪声，能否使用其他噪音的加噪方式？

3. 如何加速Diffusion？

4. DDPM和DDIM的关系？推演DDPM公式。

5. GAN和Diffusion的区别？

6. 训练Stable Diffusion时为什么要使用offset Noise？

7. 介绍一下classifier-free guidance和classifier guidance的区别？

8. 实现DDPM是否需要什么条件？

9. 为什么DDPM加噪声的幅度不是一致的？

AIGC 高频题

1. 细致讲从 DALLE 1 如何发展到 DALLE 3，每个算法的核心原理，每次的创新是什么

2. 介绍MoE和变体

3. 介绍LoRA和变体

4. 介绍CLIP的模型架构与损失函数。谈谈AE，VAE和VQ-VAE的区别。

5. Stable Diffusion是如何训练的？

6. 介绍一下最新版的 SD 和 Dall-E 两者的异同。

7. 谈谈Stable Diffusion中的交叉注意力机制。

8. 如何改善GAN的模式坍塌？

9. 谈谈Lora/Dreambooth/Textual Inversion, 原理以及差异。

10. 介绍一下CLIP的核心原理，模型怎么训练的？

11. CLIP 有哪些变体？

12. 谈谈CLIP编码特征的优点缺点。

技术交流&资料

技术要学会分享、交流，不建议闭门造车。一个人可以走的很快、一堆人可以走的更远。

成立了算法面试和技术交流群，相关资料、技术交流&答疑，均可加我们的交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。

方式①、微信搜索公众号：机器学习社区，后台回复：加群
方式②、添加微信号：mlc2040，备注：来自CSDN + 技术交流

精选

• 轻松构建聊天机器人，大模型 RAG 有了更强大的AI检索器
• 一文搞懂大模型训练加速框架 DeepSpeed 的使用方法！
• 保姆级学习指南：《Pytorch 实战宝典》来了
• MoE 大模型的前世今生
• 从零解读 SAM(Segment Anything Model)
• AI 绘画爆火背后：扩散模型原理及实现
• 从零开始构建和训练生成对抗网络（GAN）模型
• CLIP/LLaVA/LLaVA1.5/VILA 模型全面梳理！
• 从零开始创建一个小规模的稳定扩散模型！
• Stable Diffusion 模型：LDM、SD 1.0, 1.5, 2.0、SDXL、SDXL-Turbo 等
• 文生图模型：AE、VAE、VQ-VAE、VQ-GAN、DALL-E 等 8 模型
• 一文搞懂 BERT（基于Transformer的双向编码器）
• 一文搞懂 GPT（Generative Pre-trained Transformer）
• 一文搞懂 ViT（Vision Transformer）
• 一文搞懂 Transformer
• 一文搞懂 Attention（注意力）机制
• 一文搞懂 Self-Attention 和 Multi-Head Attention
• 一文搞懂 Embedding（嵌入）
• 一文搞懂 Encoder-Decoder（编码器-解码器）