DefaultShift：审核加速文本到图像模型中的语义默认偏移

少步文本到图像模型越来越多地取代较慢的生成器，但即使单个输出保持合理且一致，加速也可以悄然改变未指定属性的分布。我们将这些分布称为语义默认值及其在替换语义默认转移下的变化。现有的质量、偏好和多样性评估并没有测试替代品是否保留其参考模型的语义默认值。我们引入了 DefaultShift，这是一种配对审计，它用封闭的语义词汇来标记重复的样本，测量概率质量运动，并将可解释的排名与验证性交叉拟合推理分开。在 14 个参考和替换对中，根据配方特定说明，调整后的颜色差异范围为 0.054 到 0.303。 1,000 张图像的人工审核会重现该顺序。我们进一步推出了 DefaultShift-Select，这是一种离线校准方法，可将 Turbo、DMD2 和 FLUX 中的人工测量偏移减少 10.3% 至 35.1%，且不会造成材料质量损失。在平衡评估下，所选数据比未校准的替换数据恢复了 4.3 个准确点和 7.5 个最差组点。 DefaultShift 使加速下的语义保留可测量且可操作。