快模型出来的片子越来越锐，但一批一批看下去，镜头运动和构图重复得离谱，根子在蒸馏的第二段。先用一致性蒸馏让学生把老师能出的范围盖住，画面偏软；再上分布匹配去锐化，而那一步优化的是反向 KL，本身就是奔着高概率区去的——老师偶尔才去的角落，学生扔掉几乎不受惩罚。
结果就是单条越看越好，一整批越看越像。DistillAlign 的做法说白了是把覆盖那条损失一直挂着，别只在前面用完就丢，让锐和广一直互相拽。它的消融里还有条更实用的：初始化的目标分布跟老师对齐，比换个更大的老师收益还明显，这对搭管线的人是省钱的信息。
但它测的是 1.3B、832×480、81 帧，覆盖度算的是一批样本的多样性，跟角色跨镜头一致性完全是两码事，别混着说。