真实面经题目 · 原创解析
在MMDIT里,联合注意力计算完之后,数据会流经哪些层?
MMDiT 中的联合注意力并不是整个 block 的终点。它完成的是跨模态 token 的信息交换:图像 latent token、文本 token 或其他条件 token 在同一个注意力空间里互相读取信息。注意力结果通常会先经过输出投影,再按模态拆回各自 stream,结合门控调制与残差连接写回原特征;随后进入归一化或自适应归一化、MLP/Feed-Forward、再次门控、再次残差,最后把更新后的各模态特征交给下一个 MMDiT block 或后续输出层。
这道题出自阿里巴巴算法工程师面经(面试大师面经题库,2026 年 5 月整理)。