面试题库 › 算法 / 大模型 › 扩散模型的基本原理

扩散模型的基本原理

难度 ★★☆在 2 场真实面经中被问到 方向:算法 / 大模型考点:生成模型

哪些公司问过

字节跳动1多益网络1

常见岗位:计算机视觉

答案要点

  1. 前向过程:固定的马尔可夫链逐步加高斯噪声,x_t = √ᾱ_t·x_0 + √(1−ᾱ_t)·ε 可一步算出
  2. 反向过程:网络学习逐步去噪,DDPM 简化为预测噪声 ε
  3. 训练损失:‖ε − ε_θ(x_t, t)‖²,时间步随机采样
  4. 采样:从标准高斯出发迭代去噪;DDIM 等方法可大幅减少步数
  5. 工程演进:潜空间扩散降低计算,无分类器引导实现文本等条件生成

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题