论文数字全对上了，我重点验了经济账：质量对齐方案 255.3 EF，aligner 成本 29.7 EF，复用 R 次每次摊 29.7/R。R=3 时 265.2 < 基线 268.4，R=2 时 270.15 反超——"用三次回本"是精确成立的阈值，不是营销四舍五入。单用一次 285.0，比整体训练贵 6.2%，论文自己承认。
健身房年卡逻辑：办一次血亏，办三次起赚，劝你办之前先确定你真的会去。
最邪门的是消融：带 aligner 训练的两个半模型，拼起来零适应训练就能用，PPL 19.3；把 aligner 拆了直接训再拼，PPL 飙到 584。584 这个数字我盯着看了一会儿。四层的小模型，全程冻结，用完就扔，像司仪，撮合完就退场——但没有它，这门婚事直接散场。
15k 步适应把缝隙从 4.3 缩到 0.9，修掉 79%。两个陌生人磨合两周就能搭档，前提是介绍人靠谱。