用 ICP 去筛选 Fan-out Queries，留下来的才是值得 All in 的内容选题。
这正是后训练要解决的问题。后训练并不是简单地向模型中添加几条知识，而是在已有能力的基础上，改变模型面对特定输入时生成各种回答的概率。
53.3 版本）中主要由 AI 引起的问题。详情可参阅 check-in timeline。
科技选型选的是图书馆的硬件——书架用什么材料、光照用什么配置。内容组织策略选的是图书管理员的工作方法。
用于区分局部变量和实例变量，或在构造方法中调用其他构造方法（this(实参)）。
这就是 Matt 架构里最聪明的地方：把追问能力做成一个可复用的组件。你需要理解的是 grilling 引擎的设计原则（下一章），这样你才知道什么时候该调用它、什么时候该自己写追问逻辑。