全文按照“概念—机制—证据—实践”逐步展开： 第一至三章建立基础，并分别说明 SFT 与 RL； 第四章从知识蒸馏出发，解释 OPD、OPSD 与 MOPD； 第五、六章讨论遗忘、泛化、KL 方向，以及学生为何可能超过教师； 第七章回到实验，检验教师类型与在线策略信息分别发挥什么作用； 第八、九章给出完整后训练流水线、方法选择框架与最终结论。
AI 运行时：hydrate 不打断正在运行的专家会话；LLM 配置热读；工具调用格式对齐 OpenAI / Anthropic。
而 Moonshot 自身的财务曲线陡峭得罕见。K3 发布后，日收入至少增长6倍（彭博）；6月ARR达3亿美元，4月还是2亿美元；5月刚以200亿美元估值完成20亿美元融资，由美团旗下龙珠投资领投；目前正在以500亿美元估值寻求新一轮融资，并筹备最快年内的港股IPO。
" 换句话说，他在做一个他自己都不完全看懂的程序——但程序跑起来了。非程序员的真实案例 更令人惊讶的是，这不只是顶级 AI 专家才能做的事。
金融等精度敏感场景保持 float64，统计聚合等场景可安全降为 float32。