蒸馏后的Checkpoint不能套用原模型参数，因其权重结构、输出分布已改变，沿用原参数会导致采样崩溃、CFG失效或全黑图；必须重测CFG、Steps与采样器组合。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
LiblibAI上对Checkpoint模型做知识蒸馏后，不能直接照搬普通模型的参数用于生图——因为蒸馏生成的新Checkpoint本质是学生模型，其输入适配性、输出分布、权重结构都已脱离原教师模型的运行逻辑，强行复用旧参数会导致采样崩溃、CFG失效或生成图全黑。
为什么蒸馏后的Checkpoint不能套用原模型参数
蒸馏过程会重写模型底层权重，使输出概率分布更平滑、梯度响应更线性；而原模型（如Realistic Vision V6.0）的推荐参数（Steps=28、CFG=9.5、采样器=euler_a）是针对其原始非线性激活特性反复调优的结果。学生模型若沿用这些值，euler_a会在低步数下跳过关键收敛点，CFG=9.5则会放大蒸馏后本已压缩的语义区分度，造成提示词失效。
这一步必须重测：不验证新模型在不同CFG与Steps组合下的实际收敛曲线，就填原参数，等于把油车的转速表装进电车仪表盘。
蒸馏Checkpoint参数重校准三步法
第一步：锁定基础采样器→选用dpmpp_2m或dpmpp_sde，二者对蒸馏模型权重扰动容忍度最高，避免euler系列因步长敏感引发NaN；
第二步：暴力测试CFG区间→从3.0起，以1.0为步长递增至12.0，每档跑3张图观察结构完整性和风格保真度，【重点记录CFG=5.0～7.0区间是否首次出现稳定人像轮廓】；
第三步：反向推导Steps→取第二步中效果最佳的CFG值，将Steps从15开始每次+5测试，直到生成图细节不再随步数增加而提升（即进入平台期），该数值即为该蒸馏模型的真实收敛步数。
两种可跳过重测的例外情况
方法一：启用“蒸馏模型自动适配”开关
进入【模型广场】→找到蒸馏完成的Checkpoint→点击卡片右上角“⋯”→选择“启用参数自适应”，系统将基于训练日志中的loss plateau点，自动注入一套经验证的CFG/Steps/采样器组合，该配置仅对该模型生效，且下次更新模型版本后需重新启用。
方法二：抄作业式参数迁移
在社区返图区搜索含该蒸馏模型名称的图片→点开“生成信息”→展开参数面板→直接点击“复制全部参数”按钮→粘贴至当前生图界面；【注意：仅当返图者明确标注“蒸馏版专用”时才可信，否则大概率是误用了原模型参数】。
