BAGEL 少步蒸馏 · 方法对比

结论：cfg_img 有效、且单调——同种子下，2.5 档相对 1 档的画面改动（256×256 像素 L1）0.104，2.0 档 0.086，1.5 档 0.055。方向是往参考图拉：参考图里的细节被带进输出（xiuren 的红色袜口从 1.25–1.5 档起出现；2ehentai_1126 的背景从暗变成参考图那样的白底、粉色爱心和对话框回来）；diff 模式下编辑被削弱（danbooru-diff 在 2.0 / 2.5 档提示词要加的内容变少、参考图原有的马赛克条回来）。到 2.5 档没有崩坏或明显伪影。

副作用：锐度随档位上升（相对 1 档：1.25 档 1.07、1.5 档 1.12、2.0 档 1.30、2.5 档 1.42），对比度略升（0.233 → 0.247），种子间差异下降（0.170 → 0.159 / 0.152，2.0 / 2.5 档约 −6% / −10%），饱和度基本不变（0.255–0.260）。

「离参考图 L1」平均几乎不动（0.181 → 0.184），因为各条方向不同：两条 2ehentai 和 diff 那条更贴近参考图，douyin 那条反而更远（看图是台面、地毯颜色变重，人物和构图不变）。story 模式本来就要改姿势，这个 L1 只能粗看，判断以网格图为准。样本只有 5 条 × 3 种子，没有人物一致性指标。

设置：exports/0028000 的 ema.safetensors（CFG 蒸馏正式版第一次发车会自动选的那一档）；推理照 zhuoran 的主线评测（同一份 new_code 快照、InterleaveInferencer、两路真 CFG、41 步 = num_timesteps 42、静态 shift 3、cfg_interval [0, 1]、renorm 关、negative 空）；cfg_text 固定 4，cfg_img 1 / 1.25 / 1.5 / 2 / 2.5；heldout15 的 5 条 i2i × 种子 42 / 100 / 1024，输出尺寸 = 各条 GT 尺寸；0–3 号卡，08:38–08:46。指标：离参考图 / 相对 1 档的像素 L1 在 256×256、像素值 0–1 下算；锐度 = 拉普拉斯方差（短边缩到 512）÷ 同条同种子 1 档；饱和度 = HSV 的 S 均值；对比度 = 亮度标准差。脚本、日志、逐张指标在 data/。

结论：能。学生 4 步出图后，给终图加新噪声到 τ=0.1，再让学生自己前向 1 次取 x̂0（共 5 次前向、不需要教师），锯齿指数 J：B 1.17 → 1.00（到教师水平）、D 1.63 → 1.33、ODE-init→TDM 0.88 → 0.72；锐度只略降（B 1.22 → 1.17、D 1.10 → 1.04、TDM 1.49 → 1.46），放大看边缘仍锐、构图不变，不是靠变糊。

学生这 1 步和教师 1 步（V2，带 CFG 嵌入）效果几乎一样（τ=0.1 时 J：B 1.00 vs 0.99、D 1.33 vs 1.34、TDM 0.72 vs 0.71）——学生本身是合格的低噪去噪器，锯齿来自末步一次从 t=0.625（B / D）或 0.5（TDM）跳到 0，而不是学生缺这个能力。

τ 越大越差：τ=0.3 时 J 回升（B 1.06、D 1.51、TDM 0.80），而且开始改动细节和结构（发丝走向、脸部阴影，TDM 鼻侧出现小红点）。不加新噪声、只在 4 步表末步前插一个时间点（V3，用学生自己预测的噪声）也能降 J（B 1.01–1.03、D ~1.39、TDM 0.76–0.80），但插得越高锐度越高（B 1.23 → 1.34、TDM 1.51 → 1.58），D / TDM 上不如 V1 τ=0.1 干净。

代价：推理从 4 次前向变 5 次（+25%），只用学生权重。没测的：i2i、多样性（V1 在 τ=0.1 加了新噪声）、更小的 τ（0.05）。

设置：heldout15 的 10 条 t2i × 种子 42 / 100 / 1024（30 张），与正式评测同种子同噪声；各组 1000 存档的 student 权重（不是 EMA），训练同款 bf16 推理；V1 / V2 的新噪声对所有方案用同一份（种子 11）。J = 解码图近 Nyquist（0.45–0.5 周期/像素）/ 中频（0.10–0.15）能量比，除以同条同种子教师 41 步（正式评测存图）的 J；锐度 = 拉普拉斯方差（短边缩到 512，与上面指标表同口径）/ 教师，几何平均。因为只有 t2i、bf16、student 权重，base 的锐度和上面指标表的数不完全一样。脚本与原始数据在 data/。

已确认：锯齿（发丝锯齿、皮肤排线、彩色镶边）表现为学生终图 latent 里残留的一层「类白噪声」——在教师终图的 latent 上加白噪声就能复现同样的外观和频谱形状。它在低噪声段（τ ≲ 0.2）能被教师修掉：把学生图加噪到 τ=0.2 再让教师走回 0，B 的锯齿指数降到教师水平，构图不变；D 的从 2.36 降到 1.6 左右后不再下降（看图剩下的是线条本身偏粗硬）。学生末步对输入噪声的透传增益约为教师的 2 倍（B / D / TDM 2.0–2.2 倍，ODE-init 1.5 倍）。核对过的 DMD 公式与梯度路径没有发现算错。

已否定：「训练里 τ 很少落到低段，所以多采低 τ 就能纠正」。因果检验从 B@1000 续训 250 iter、只把 VSD τ 从 shift 5 改成均匀：锯齿指数对照 1.16、均匀 1.58（起点 1.18），锐度对照 1.09、均匀 1.36，肉眼也更糟（见最后两张图）。可能的原因（未分开验证）：低 τ 的 DMD 更新只有小部分指向去残留（τ ≤ 0.1 时余弦 0.2–0.3），更新能量约 75% 在高频，且 x0 归一化下低 τ 的更新幅值约为 τ=0.5 时的 2 倍，多采低 τ 等于多灌高频；另外教师 3750 的 CFG 嵌入是在 shift 3 下训的（t<0.2 只占 7.7%），低 τ 时教师的 CFG 推力未必可靠，与锐度上升一致。

锯齿指数 J = 解码图近 Nyquist（0.45–0.5 周期/像素）能量 / 中频（0.10–0.15）能量，除以同条同种子教师 41 步的 J（1 = 教师水平）。旧指标「8 px 网格相位」抓不到这种残留。第 1 张表的 J：8 条 t2i，按诊断进程里用 bf16 现出的教师 41 步归一；第 3 张表的 J：10 条 t2i × 3 种子，按正式评测存的教师图（fp32 建网络 + bf16 autocast）归一——两张表 J 的绝对值不能互比，表内可比。第 3 张表的「锐度」按原分辨率算，和上面指标表（缩到短边 512）口径不同。除复现图（fig1）第 3 行用的是 EMA 的正式评测存图外，诊断里的学生都用 student 权重（不是 EMA），按训练同款 bf16 推理。脚本与原始数据在 probe/、causal/。