展示了单样本复杂度计算及其分级课程划分的完整机制。上半部分以番茄叶片灰霉病为例，详细演示了样本复杂度计算过程：将症状基元数量、鉴别分支、环境耦合项及表型歧义度四个分量进行归一化取值，赋予相应权重（0.35、0.30、0.20、0.15）后算出加权贡献，最终总复杂度得分Ci为0.640。该得分落入[0.58, 0.74)区间，被判定为复杂度等级3，归入训练子集D3，并说明该样本在第3阶段引入，此前阶段已建立的基础映射作为蒸馏项保留。下半部分按复杂度分位数将样本划分为K=4个复杂度等级，按由低到高确定课程顺序：第1阶段（D1，占比40%）专注单一典型症状与基础映射；第2阶段（D2，占比35%）引入鉴别关系与两症状组合；第3阶段（D3，占比17%）融合环境证据与非典型症状；第4阶段（D4，占比8%）聚焦鲁棒性与弃权能力、多病并发/缺证。