9 µs 21.6 µs 201.3 µs 2318.0 µs 23.2 ms 232.
因此，我们可以把后训练理解为对模型输出分布的重新塑造。本文重点讨论三种后训练方法： 监督微调（Supervised Fine-Tuning，SFT）：在预先准备好的标准答案上学习； 强化学习（Reinforcement Learning，RL）：从当前模型的输出中采样，再根据奖励优化； 在线策略蒸馏（On-Policy Distillation，OPD）：由学生生成轨迹，再由教师在学生实际访问的状态上提供逐 token 指导。
BigDecimal： 用于高精度计算，适用于财务数据。Random： 用于生成随机数。
HKEY root = nullptr; const LSTATUS opened = RegOpenKeyExW( HKEY_LOCAL_MACHINE, // 输入：机器级根。
这和第 14 篇的四条原则完全一致——不是巧合，而是因为底层逻辑相同。适合交给 AI 的 原型开发和快速验证。