衡量方法不应只看时间，而应看耦合深度——判据离不离开训练的实时反馈。图中按耦合度从“紧”（判断必须即训练时的实时反馈）到“松”（开训前就能算定）划分了三个分支：A（数据侧调度，6项）：改变“练什么、按什么顺序”，如Tailored Teaching、难压药阶段重用、ERPO、LED等，这些方法的判据能在训练前算定。B（模型侧调度，5项）：改变“谁来学、学哪一段”，如Dizer、领域专家MoE、AgriPerceiver等，判据在训练中实时反馈。C（判据前缀，2项）：改变“判据什么时候算”，如“本文”和“该科研研究”，仅2项。右侧文字进一步阐释了树的构建逻辑：A、B两项加起来10项，它们的判据全部来自训练中的反馈（梯度、损失、路由概率），而C只有2项且只有一项是本文，强行归为同层属于逻辑混淆。图底部提炼了三个关键结论：A、B两者的方法在若水难易上无别，训练成本差异是因为一个训练中实时反馈，一个没涉及；B的“松”局限在于只测推理能力，不测动态判断；C的“紧”是机会也是风险，目前只有2项。