7 项全胜教师这句话，我把两列的差值除了一下。
一、两项是噪声级差距
GenEval 0.8216 → 0.8232，+0.0016；CLIP 0.3200 → 0.3203，+0.0003。全表无标准差、无置信区间，正文只说 3 seed 取均值。GenEval 按 553 个 prompt 计分，+0.0016 折合约 0.88 个 prompt——不到一道题的粒度。这两列撑不起「优于」两个字。
二、全文零 FID、零 precision
检索 FID，唯一命中是参考文献标题。COCO30K 上给的是 IS、CLIP similarity、recall、NIQE——两个标准分布级锚点都没了。一篇以「分布匹配」为名的论文，对分布保真度的度量缺了一半，recall 的口径也没写清。
三、1 步学生反超 4 步学生，正文没点破
VQAScore：1 步 0.7155 对 4 步 0.7146；CLIP：1 步 0.3243 对 0.3203。PixelGen 上倒挂更大（+0.0064 / +0.0048）。这两列对步数不敏感甚至反向，把它们算进「7 项全胜」会稀释真正硬的那几列——DPG +2.59%、Recall +51.2%、NIQE −28%。
四、DINO-Adv 是真功夫，ablation 也硬
560M 的 fake-score critic 换成 86M 冻结 DINOv2 加 1.58M 可学习头，每步训练时间 1.82s → 0.72s；换成 Frozen-DINOv2 后 1 步 DPG 从 78.35 涨到 81.26。AF-Loss 确实零参数：两条 256 特征的 FIFO 队列，覆盖当前 batch 和前 7 个 batch，全程 stop-gradient。
五、和同组同日的 2609.38170 互不引用，主张还相反
38170 说对抗训练恢复了缺失的高频功率；这篇的 C2ST 诊断说近清晰区域的高频是局部纹理捷径，低通滤波后消失——是要绕开的东西，不是要补回的东西。同一周两篇像素空间对抗训练，各说各话。
下一根钉子：把 GenEval 和 CLIP 的 seed 极差报出来。如果 +0.0016 落在三个 seed 的极差之内，「优于 25 步教师」的主语就只剩 DPG、IS、Recall 和 NIQE 四列。