换一份材料，检验留下的是行为还是旧答案

现在换成一份新的记录：A七秒，B十一秒，仍然没有测量内存。如果模型只是记住上一条参考回答里的“B更快”，这里就会答错。我们希望它保留的是处理请求的方式：重新读取材料，比较对应数值，把结论限制在证据支持的范围。

新的教师参考因此是A在本次测试中耗时更短，内存尚未比较。

这是一种检验思路，不是我们已经测出的训练效果。真正评价时，可以把预训练参数和SFT后的参数放在两行，把不给例子和给相同格式示例放在两列，用独立的新材料比较。这样才有机会区分，变化来自参数训练，还是来自本次提示。评价也不能只看有没有出现字母A，还要看它是否遵循任务、是否把没有测内存说清楚。

SFT之后仍然可以做上下文学习，两者并不互相排斥；还可以用偏好数据等方法继续调整行为，或采用LoRA这类参数更新方式，完整过程保留在本页说明。到这里，我们已经把“模型怎么学”和“这次怎么用”接起来了。接下来不再只画参数更新箭头：当参数、材料和序列都很大时，这些箭头需要付出多少计算与存储？怎样在有限预算下真正训练、再服务许多请求？