【大模型面经】Diffusion及AIGC面试高频问题总结

最近春招和实习已开启了。

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。

• 《大模型面试宝典》(2025版) 正式发布！

喜欢本文记得收藏、关注、点赞。

---

Diffusion面试高频问题

1. 扩散模型有哪些常见的采样方式？
2. 扩散模型中添加的是高斯噪声，能否使用其他噪声的加噪方式？
3. 介绍一下你了解的Diffusion加速方法？
4. DDPM和DDIM的关系？
5. 推演DDPM公式。
6. GAN和Diffusion的区别？
7. 训练Stable Diffusion时为什么要使用offset Noise？
8. 介绍一下classifier-free guidance和classifier guidance的区别？
9. 实现DDPM是否需要什么条件？
10. 为什么DDPM加噪声的幅度是不一致的？

AIGC面试高频问题

1. 介绍CLIP的模型架构、训练方法与损失函数。
2. 谈谈AE，VAE和VQ-VAE的区别。
3. 重参数技巧是什么？
4. 图像生成的评估指标有哪些？
5. Stable Diffusion的核心优化是什么？
6. Stable Diffusion是怎么训练的？
7. 介绍一下SD，Dall-E2两者的异同。
8. 谈谈Stable Diffusion中的交叉注意力机制。
9. 如何改善GAN的模式坍塌？
10. SDXL的核心优化？
11. SD3的核心优化？
12. 谈谈Lora/Dreambooth/Textual Inversion/Hypernetworks，原理以及差异。
13. 介绍一下ControlNet的核心原理。
14. 介绍一下IP-Adapter的核心原理。
15. 谈谈CLIP编码特征的优缺点。
16. 介绍一下self attention和cross attention的区别。