我啃透 Qwen-Image-Edit，做成了一个免费在线刷题面板

「你了解图像编辑模型吗？」

这两年我面候选人，这题出现的频率高得吓人。比「你知道扩散模型吗」还高——因为问这题的，基本都是在招图像生成 / 多模态方向的算法岗。

而答案越来越收敛到一个模型上：Qwen-Image-Edit。

阿里通义千问团队 2025 年 8 月发布，基于 Qwen-Image 20B 基座，主打两件事：

指令式编辑——不用画 mask，直接说「把天空换成黄昏」「把招牌上的字改成 TEA」，模型自己找到该改的地方；
双路编码——一路 Qwen2.5-VL 管「图里有什么」（语义），一路 VAE latent 管「长什么样」（外观），改得动、还不乱改。
为什么是它？三个原因：

开源、可复现：2511 权重 Apache 2.0 直接下载，HF / ModelScope 都有，面试官知道你能跑起来，不是 PPT 模型；
有完整技术报告（arXiv 2508.02324）：从数据策略到 flow matching 后训练（SFT→DPO→GRPO），机制都能查原文出处，追问到第三层还有得答；
迭代节奏快：base → 2509（多图 + ControlNet）→ 2511（修 drift、人物一致性、内置 LoRA），跟得上版本线的人，面试官一眼就能看出来。
问题来了：东西都公开，为什么大部分候选人还是答不好？

不是题难，是没人把题「串起来」
我翻了市面上所有能找到的 Qwen-Image-Edit 资料，发现一个共同点：要么只有零散问答，要么只有论文精读，没有一个按面试真实追问路径组织的题库。

而面试不是选择题。面试官会顺着你的答案往深处挖：

你：「它用 flow matching 做训练目标。」 面：「flow matching 和 DDPM 的噪声调度差在哪？为什么这个模型选它？」 你：（沉默） 面：「那 DPO 和 GRPO 在你的后训练里各管哪一段？为什么粗对齐用 DPO、细对齐用 GRPO？」 面：「白板推一下可微目标，两分钟。」

追问不考背诵，考推导和失效边界。 背得再熟，推导不出来照样挂。

所以我做了一件事：把 Qwen-Image-Edit 从基础概念到白板推导、从架构原理到故障排查，按面试真实路径整理成一套题库——然后做成一个网站，免费，在线刷。

👉 https://www.songshunlp.com/qwen_image_research/

这个面板里有什么
22 章 / 115 题，覆盖一条完整的追问链：

层 内容 面试对应
L1 基础概念 指令式编辑 vs inpainting、语义编辑 vs 外观编辑、版本迭代 开场摸底
L2 架构原理 20B MMDiT、双路编码、MSRoPE 位置编码 技术面核心
L3 训练与数据 多任务配比（T2I/I2I/TI2I）、渐进课程、flow matching 后训练 算法面
L4 工程部署 显存优化、分布式训练、推理加速 工程面
L5–L7 对比与开放设计 竞品架构深度对比（FLUX.1 Kontext / GLM-Image 等） 架构师面
L8–L9 数据构造 + 评测 编辑数据怎么造、judge 模型偏差怎么校正 研究员面（加分区）
L10 白板推导 现场写公式：FM 目标、MMDiT 注意力次数 现场手写
L11/L13 故障排查 + 社区避坑 image drift 的根源与解法、OOM 实战 实战题
L14 提示词工程 官方配方：怎么把编辑指令写「稳」 实操题
L18–L22 基座技术报告精读 数据策略 / 训练系统 / 评测数字 / 统一理解-生成愿景 研究岗深挖
几个我刻意保留的设计：

自测模式：一键折叠所有答案，「先想再看」——模拟面试，逼你先开口；
练习抽题：随机抽 N 题，答完自评「已掌握 / 需再练 / 跳过」，需再练的自动回队尾重练，结束只看错题再来一轮；
五级信息源标注：每个答案都标了口径——① 官方技术报告 / ② 官方博客 / ③ 社区实测 / ④ 厂商宣传 / ⑤ 未核实归纳。这条是我花心思最多的地方：面试里引用数字，面试官追问「这数哪来的」，你能答「arXiv 2508.02324 第 3 节，官方口径」和「我看到一个公众号说的」，是两个层次的人。
同考点对照表：同一考点会被多道题从不同角度问（比如 VAE 结构在 L2 和 L18 都出现）——这不是重复，是面试的真实形态。表里标了「以哪道为准」，只精读一道，其余当快速复习。
一个容易被问挂的坑：「外观编辑，其他区域不变」
这句宣传语几乎人人都背，但它是训练目标，不是硬保证。

图要过一遍有损 VAE 的编码/解码，潜空间往返本身就带来微小漂移——这就是 2509 版本局部编辑偶发「越修越歪」（image drift）的根源，2511 通过改进参考注意力 + 强化原图几何约束缓解。

被追问时能说出这条因果链，比背十句 slogan 都管用。这类题集里都有，⚡ 标记的就是「再深一层常被追问」的点。

给正在准备的你
如果你也在面图像生成 / 多模态方向，我的建议顺序：

L1–L3 先过一遍，把「基座 vs 编辑分支」「语义 vs 外观编辑」「双路编码」三件事讲到不用想；
L10 白板推导每天推一遍，FM 目标那题要能两分钟手写；
L18–L22 基座专题是研究岗的分水岭——能讲设计动机（为什么双路缺一不可、为什么粗对齐用 DPO）的人，基本都过了；
时效提醒：生成模型动态以月计，「当时第一 / 唯一开源」这类话引用前请核对 HF 模型卡有没有新版本。
题库免费，在线刷，手机也能用。面之前刷两轮，比你自己翻十篇公众号强。

👉 https://www.songshunlp.com/qwen_image_research/

刷的过程中发现题目有错、有缺、有讲得不对的地方，评论区直接说——题库是活的，我按反馈改。

我是兔老板，一个把面试题做成网站的人。更多项目：songshunlp.com

加微信 pyao2015 发送「资料」免费领