该散点图将19项研究工作（如FVD-LLM、AgriGPT-VL、ALMA、AgriExpert等）映射在四个象限中：左上角为“跨阶段×强训练漂移”，右上角为“跨阶段×可复算”，左下角为“单点×强训练漂移”，右下角为“单点×可复算”。图表中明确标注了一个目标区（虚线框），即“判据可复算且能同时驱动≥3个环节”。目前该目标区内仅有一个点——FVD-LLM，它使用基于KL散度动态构建的伪标签作为判据，是目前唯一达到此标准的模型。该图在底部注明，判据的“可复算性”指在训练前即可算出的程度，“跨阶段耦合度”指跨环节的驱动能力；这些点位属于定性定位，不代表性能高低。总体而言，该图通过二维象限直观揭示了当前研究中“可复算”与“多环节耦合”兼顾的方案仍十分稀缺。无论你是研究大模型数据配比与训练策略的科研学者、探索高效微调与判据设计的算法工程师，还是致力于优化模型训练流程的开发者，都能从中获得清晰的定位参考与设计启发。