【追问四】关于训练开销
文章提到 RecFM 每次训练迭代需要计算 $ 条轨迹的损失和 -1$ 个一致性损失。对于 =2$，每次迭代大约是 Vanilla FM 的 2 倍计算量。虽然论文说收敛更快（160 epoch vs 250 epoch），但没有给出精确的 GPU 小时数。
如果训练成本是 2 倍，推理快 20 倍，总账是划算的。但如果训练成本是 5 倍甚至 10 倍呢？对于需要频繁重训练的场景（如在线学习、实时数据更新），训练成本可能比推理成本更重要。论文应该给出总训练时间的精确数字，而不是只说收敛更快。
另外，ImageNet 的实验用了 160 epoch，但科学模拟任务用了多少 epoch？两者是否一致？这些细节对于评估 RecFM 的实用性很关键。