换事实，检验行为而非旧答案

正在载入课堂画面…

本页学习说明

新的独立教学记录把耗时改为A 7秒、B 11秒，未测内存与请求形式保持不变。正确参考因此变为A在本次测试中更快，内存仍不能比较。参数是否经过SFT与当前输入是否含示例是两个可以独立控制的条件；四格评价设计用于区分两者作用，尚不代表任何实测胜负。

当前记录	耗时判断	内存判断
A 12秒／B 8秒	B在本次测试更快	未测，不能比较
A 7秒／B 11秒	A在本次测试更快	未测，不能比较

参数条件	当前无示例	当前有示例
预训练参数θ	待独立评价	待独立评价
SFT后参数θ′	待独立评价	待独立评价

四格设计让参数变化与输入变化分别接受检验；没有填写模型胜负。

把事实反转成A7秒/B11秒，仍保留未测内存，检查是否重新依据材料回应。教师参考A更快，不是已运行后的测量。可以将预训练参数/SFT参数与无示例/同格式示例构成2×2独立评价，检查事实对应、证据范围、任务及格式；四种组合均需独立评价，目前没有实测优劣结论。

SFT之后仍可做ICL，示范目标与偏好目标不同。继续阅读：奖励模型、RLHF/PPO、DPO、可验证反馈、LoRA、QLoRA。后训练正文和适配正文保留完整机制。LoRA冻结原权重、训练低秩增量；QLoRA中的低位保存、反量化与计算精度是不同对象。