这一次回答，哪些内容从哪里来？

回到同一份材料，数字没有变化：A十二秒，B八秒，没有测量内存。现在先看右边三个问题：这次事实来自哪里，回应的本领来自哪里，计算又怎样实际完成？我们按这三条线索把整套过程接回来。

上方是过去训练留下的参数：预训练与后续示范训练让模型逐步具备语言、比较和按要求回应的本领。左边则是这一次的数字和未测项。两路在同一运行框中会合，成为当前的计算。如果本次输入再加一段示例，它也从输入这一路起作用，不因此自动改参数。

现在局部放大其中一层，位置仍在同一请求的运行框内。当前attention的K/V由这次输入的表示算出，参数化MLP继续变换当前表示；attention本身也要用训练形成的投影参数。十二和八不必先训练进参数，才能在这次计算里被使用。局部对象与整机的关系清楚了，就可以核对最终回答。

现在出现教师参考回答：“B在本次测试中耗时更短；内存尚未比较。”先沿左列把“本次测试”连回相同设置，再把“耗时更短”连回十二和八，最后把“内存尚未比较”连回未测项。每个短语都有依据或边界。

再看包住prefill与decode的运行框：算子、缓存和调度从一开始帮助计算完成，不是在答案生成以后才附加的一层，也不提供缺失的事实。开场问题已经有了具体落点：训练留下参数，当前材料提供事实，系统把计算完成。最后只增加一条新测量，检查我们的判断会不会随证据和约束改变。