论文精读

精读：One-Shot OPD —— 一条 query 够不够，取决于它走出多宽的状态

把 on-policy 蒸馏的训练集砍到只剩一条 query，学生仍拿回全量数据八成以上的增益；用状态覆盖率与吸收速率两把尺子说明 OPD 是数据过饱、算法饥饿

论文： Rethinking On-Policy Distillation of Large Language Models II: One Training Example

作者： Zixuan Fu, Bingxiang He, Yuxin Zuo, 等 13 人

2026年9月9日 One-Shot OPD On-Policy Distillation State Coverage 吸收速率数据效率知识蒸馏 cs.LG

1 论文概览

一句话总结：在 on-policy 蒸馏里把训练集砍到只剩一条 query，学生照样能跑几百步、拿回全量数据八成以上的增益——因为 OPD 真正消费的不是 query，是 query 的 rollout 走出来的状态，而卡住训练的是学生吸收监督的速率，不是监督的供给量。

核心问题

on-policy 蒸馏（OPD）已经进了前沿后训练的标配流水线。论文开篇点名 Qwen3、MiMo、GLM-5、DeepSeek-V4、Kimi K3 五套栈都在 SFT 与 RL 之外挂了 OPD。它的机制不难说清：学生自己采样 rollout，教师在每一个访问到的前缀上给出完整的下一 token 分布，于是监督是 token 级、稠密的，而不是 RLVR 那种一条轨迹一个标量奖励。

已有的解释工作几乎全站在算法那一侧——更新几何、哪些 token 可学、什么时候失效。数据那一侧是空的：没人问过 OPD 到底需要多少条训练输入，也没人问数据和算法怎么互相牵制。这篇论文把 RLVR 领域的 one-shot 控制实验搬过来，直接把训练集压到极限：一条 query。

对本专栏来说，这个问法的位置很特殊。前五期——DART-SD 换标注粒度、SPADE 让模型自造环境、OPSA 把教师整个拿掉、Terminal-Universe 把轨迹反演成环境、Compile by Training 把提示词编译成权重——全都在数据侧做功。这篇给出的答案是：数据侧的功，很大一部分做在了非约束条件上。

主要贡献

确立 one-shot OPD 现象。单条 query 在数学推理上跑到 68.5 分，全量数据 69.8 分；第 300 步拿回教师-学生差距的 69%、全量增益的 87%。跨三个师生族（R1-Distill-1.5B、Llama-3B-It、OLMo-7B-It-DPO）与四个域（数学、代码、指令遵循、agentic 工具调用）都成立，后三域的差距回收率分别是 73%、66%、64%。
提出 state coverage 这个可测量。把状态表示成教师最后一层的隐向量，PCA 降到 50 维后 K-means 切成 200 个簇，一个设定的覆盖率就是它的 rollout 触达的簇占比。单条 query 触达 71.5%，16 条语义各异的 query 触达 98.9% 并追平全量。
把「数据多样性」还原成「状态多样性」。off-policy 侧固定 query 只改保留的轨迹条数（1/4/16/64），精度单调上升；on-policy 侧沿语义簇加 query，精度与覆盖率同步上升。加一条 query 值多少钱，由它是否触达新状态决定。
测出吸收速率并证明它与数据量无关。学生与教师的距离全程在降，降的比例逐步变小；1、4、16、全量四档到第 300 步各自吸收掉步 30 距离的 78%–84%，慢化因子也在同一量级。固定住状态的 off-policy 消融同样要跑几百步。
把结论推到多教师与无内容输入。MOPD 下每域 16 条 query 拿回全量 101% 的增益；空模板与领域外的 WildChat 闲聊 query 也贴着真题基线跑。

论文自己把这套结果压成一句判词：OPD 是「data-overfed but algorithm-starved」（数据过饱、算法饥饿）。

2 方法详解

方法概述：训练单位是状态，不是 query

整篇论文的推理链条建立在一次单位换算上。一条 query $x$ 配一条采样出的响应 $y$ ，在每个 token 位置 $i$ 上产生一个状态 $s=(x,y_{<i})$ ，每个状态都配一份教师分布。每步 64 条 rollout，单条 query 一步就能生出上万个受监督状态。于是「训练集有多少条 query」这个计数方式，严重低估了 OPD 实际拿到的监督量。

OPD trains on states rather than queries. […] With 64 rollouts per update, even a single query yields tens of thousands of supervised states, so query count can substantially understate the amount of supervision available to OPD.

（OPD 训练在状态上而非 query 上。每次更新 64 条 rollout，哪怕单条 query 也产出数万个受监督状态，所以 query 计数会大幅低估 OPD 可用的监督量。）

—— §4.1 Setup

单位一换，「一条数据够不够」就不再是个反直觉的问题，而变成「一条 query 的 rollout 能走多宽」。

关键创新点一：state coverage 的三段构造

覆盖率要有意义，参照系必须先立住。论文的做法分三步：

表示：状态取教师最后一层在该状态末 token 上的隐向量，称为 teacher signature。
参照空间：全量 OPD 在 DAPO-Math-17K 上整轮跑下来的状态汇成池子，按优化步而非随机采集——第 1 到 500 步每步取 5 条 rollout，其中 3 条建簇、2 条留出，得到 12,000 个参照状态与 8,000 个留出状态。
切簇：PCA 降到 50 维（保留 71.9% 方差）后 K-means 切 200 簇，覆盖率是触达簇数占比。

留出那一份是这套构造的关键控制。簇是用全量 rollout 拟合的，如果不留一份新鲜样本，「全量覆盖 100%」就是同义反复。留出集在同预算下也跑到 100%，说明这个天花板是全量 OPD 真能达到的水平，而非构造保证的上限。

覆盖率只记「触达没触达」，不记「访问多少次」。这条设计取舍论文写在明面上，它也是后面几处松动的源头。

关键创新点二：距离与吸收速率

算法侧用两个量描述对齐状态。距离 $d_t$ 是学生访问到的位置上教师-学生对数概率差的平均绝对值——取绝对值是为了防止正负抵消，让 $d_t$ 只在两者真正达成一致时才趋零。吸收速率 $v_t=(d_t-d_{t+1})/d_t$ 是一次更新吃掉剩余距离的比例。

两处测量约定值得留意：从第 30 步起测（此前梯度裁剪一直生效，被裁过的更新不是目标函数要的那个更新）；每条 run 对自己第 30 步的值归一化（各 run 在自己访问的状态上测距离，起点电平本就不同）。

关键创新点三：固定状态消融

on-policy 训练的状态会随学生漂移，于是「跑得久」有个平凡解释：新状态一直在供。论文用一次消融直接掐掉这个解释——always-off-policy 那条 run 只用初始学生一次性采出的 64 条轨迹，反复喂给每次更新，训练状态全程冻死。

结果是这条 run 稳定涨了约 200 步才停，对齐指标也是几百步的量级才动完。新状态供给不是 run 长度的成因。

与基线方法的区别

论文最有信息量的对照不是全量 OPD，是 one-shot RLVR。两者表面现象一致（单条 query 撑起上千步更新），学习信号的来源完全不同：

	one-shot RLVR	one-shot OPD
信号来源	每条轨迹一个可验证结果	每个访问状态一份教师分布
对输入的要求	任务可验证，且结果要有波动	rollout 能暴露教师-学生落差
失效方式	学生学会解这道题后组内近乎一致，GRPO 无优势可用	落差逐步收窄，吸收速率持续下降
天花板	不绑在教师分布上	训练目标就是匹配教师分布

One-shot RLVR is therefore limited by the outcome variation available from its query. One-shot OPD is instead limited by how quickly it absorbs dense teacher supervision.

（one-shot RLVR 受限于它的 query 能提供多少结果波动，one-shot OPD 受限于它吸收稠密教师监督的速度。）

—— §7.2

这张对照解释了一件容易被忽略的事：OPD 对训练输入的要求比 RLVR 松得多。RLVR 需要一道能判对错、且当前学生做起来有输有赢的题；OPD 只需要一段能走出落差的推理。难度与可验证性都不再是硬约束。

3 实验结果

主要指标

数学推理上，第 300 步 one-shot 68.5 对全量 69.8，回收教师-学生差距的 69%、全量增益的 87%。往后两条曲线维持在约 3 分的带内，到第 1000 步 one-shot 68.4、全量 72.1，回收率 72%，整段区间在 62%–89% 之间浮动。

跨族与跨域都稳。三个师生族的末检查点分别从 77.1、28.2、70.8 涨到 85.5、40.2、82.4。代码生成、指令遵循、agentic 工具调用的差距回收率是 73%、66%、64%。

鲁棒性一栏最刺眼的是难度那一项。论文按训练前 8 次 rollout 的通过率挑了三条 query：8/8（易）、4/8（中）、0/8（难）。难那条在整个训练里从未被解对，one-shot 增益照样出现。稠密教师信号在错误 rollout 上依然带信息量，这是 OPD 与 RLVR 的分水岭——RLVR 拿到全错的组就没有优势可算。

与参照方法的对比

这是一篇机制论文，没有 SOTA 榜。它的参照有两层：

对全量 OPD。第 300 步 1.3 分之差，第 1000 步 3.7 分之差。

对 one-shot RLVR。同一条中等 query、同为每步 64 条 batch（RLVR 每 query 采 8 条按结果打分，OPD 采 1 条按 token 对教师打分）。1000 步内 OPD 闭合 72% 的教师差距，验证精度增益是 RLVR 的两倍以上；换成按 rollout token 对齐，这个优势仍在。

MOPD 一层。一个 R1-Distill-1.5B 学生在数学、代码、指令遵循三域上单轮训练，每域路由到自己的教师。全量 MOPD 把均分从 43.5 拉到 52.8（回收 79% 差距），三个分开训的全量 OPD 达到 53.8，差 1.0 分——多域合训本身没塌。每域 16 条 query 把均分从 one-shot 的 50.1 拉到 52.9，对全量 52.8 的增益回收率 101%，分域看是数学 93%、代码 136%、指令遵循 109%。

消融实验关键发现

覆盖率的时间形状。单条 query 第 100 步已触达 65.9%，之后 200 步只再加 5.6 个百分点，第 300 步到 71.5%。最终覆盖率的 92.2% 在前三分之一的步数里就完成了。同一条 run 的验证精度从 59.1 涨到 66.9，全量同步是 70.8。

多样性的因果拆分。off-policy 侧把 query、batch、优化预算全固定，只改保留轨迹数（1/4/16/64），精度单调上升——多出来的只有状态。on-policy 侧沿 BGE-M3 语义簇取代表，16 条追平全量，覆盖率从 71.5% 同步升到 98.9%。附录 B.2 的两个控制把「条数」和「多样性」分开了：条数固定在 16、取自 16 个语义簇比取自 1 个簇，覆盖率与精度都陡升；而固定 query 集合的训练顺序不影响结果。

吸收速率的四档对照（附录 Table 7）：

设定（query 数）	1	4	16	全量
$d_{300}/d_{30}$	0.16	0.17	0.18	0.22
$v_{50}/v_{200}$	5.6	5.2	4.2	6.4

学习率只做横轴缩放（附录 C.2）。半倍、一倍、两倍学习率三条 run，把横轴从步数 $t$ 换成 $u=(\mathrm{lr}/10^{-6})t$ 后基本重合，离散度从约 2.2 倍收到约 1.1 倍。学习率决定沿曲线走多快，不改曲线形状。慢化的成因没被碰到。

无内容输入的压力测试。空的 user turn 加一个 <think> 起头、同模板加一行领域系统提示、以及 WildChat 的通用闲聊 query（192,824 条，保守启发式判定只有 0.17% 与数学有关、2.63% 与代码有关）——三种条件都贴着真题基线跑，基线把三基准均分从 59.1 拉到 69.8，三者各用了它三分之一到二分之一的 rollout token 就到了同一水平。显式领域内容在这些实验里只值约 1 分。

这里有一条边界值得抄下来：把 think 块立刻闭合的脚手架（<think>\n</think>\n）会塌成简短的元层回复，训不了。「内容不重要」的真正条件是「必须诱导出一段足够长的推理」。论文自己也把话说紧了：

These results do not imply that task content is generally dispensable. They show that content is not the only source of useful signal in OPD.

（这些结果并不意味着任务内容普遍可弃。它们说明的是，内容不是 OPD 里唯一的有用信号来源。）

—— §7.1

4 个人分析

亮点

单位换算做得干净。「一条 query 够不够」是个措辞陷阱，因为 query 不是 OPD 的消费单位。把计数单位从 query 换成状态之后，反直觉消失，剩下的是一个可测量的量。这类工作的价值在于它让后续研究不必再重复惊讶。

三条腿的论证互相咬合。数据侧证明「一条 query 覆盖得已经很宽」，算法侧证明「慢化与数据量无关」，固定状态消融证明「run 长不是因为新状态在供」。任何一条单独拿出来都能被平凡解释吃掉，三条摆在一起才逼出「瓶颈在优化器」这个结论。

难题那条 query 全程没被解对。这是全文最有说服力的一个细节。它把 OPD 与 RLVR 的差别从「稠密 vs 稀疏」这种抽象说法，落成了一个可复现的现象：训练样例本身正确与否不进入 OPD 的信号通路。

自陈局限写得比多数论文诚实。§9 把 state coverage 的三重弱点一次列全：它是语义级代理、参照系由全量 rollout 定义（所以只能报「触达了那个空间的多少」而非「它自身覆盖了什么」）、每个簇等权而不管访问频次与残余教师信号量。这三条后面各自都能长出问题。

局限性

覆盖率随分辨率单调滑落，没有收敛平台。附录 Table 4 把分析在 $K\in\{50,100,200,500\}$ 上重跑：

$K$	1-shot	4-shot	16-shot	全量（留出）
50	0.755	0.829	1.000	1.000
100	0.727	0.803	1.000	1.000
200	0.715	0.798	0.989	1.000
500	0.564	0.695	0.904	0.956

论文的读法是「更细的簇拉低绝对覆盖率，但 1→4→16 的序关系不变，16-shot 仍贴近全量」。序关系确实稳。可头条那个 71.5% 长在 $K=200$ 上，而 $K$ 从 200 走到 500 时，1-shot 掉 15.1 个百分点，天花板本身也从 100% 掉到 95.6%（按天花板归一化后 1-shot 是 59.0%，比 $K=200$ 的 71.5% 低 12.5 个百分点）。四个取值里看不到任何趋于平稳的迹象——分辨率越接近真实状态粒度，覆盖率越低。71.5% 这个数字的量级由簇的粗细决定，它支撑「序关系」够用，支撑「一条 query 已覆盖大半状态空间」这种绝对表述则偏弱。而后者才是摘要里的说法。

风险精确地落在被当作头条的那一档。附录 Table 6 另测了一个诊断量：某状态到它最近 10 个参照状态的平均余弦距离（在未降维的 1536 维空间里），超过留出全量状态第 95 分位就记为 off-reference。

设定	超阈比例	平均距离	AUROC
1-shot	17.2%	0.283	0.552
4-shot	4.4%	0.218	0.477
16-shot	3.8%	0.231	0.512
全量（全池）	4.0%	0.215	0.476

阈值按第 95 分位设，基准线就是约 5%。1-shot 的 17.2% 是全量 4.0% 的 4.3 倍，约每 5.8 个状态就有一个落在教师监督未经校验的区域。论文用 AUROC 0.552 接近随机来收束这一段，说 one-shot 的状态整体上与全量不可分。两句话都对，量的却是两件事：AUROC 量整体可分性，超阈比例量尾部。稳态误差与尾部风险在部署里从来不是同一回事。更值得记的是 4-shot 已经回落到 4.4%、16-shot 3.8%——尾部问题只在 1 这一档存在，而 1 正是摘要拿出来的那个数。修起来很便宜，但「一条就够」这个处方本身携带这个尾部。

残余距离与验证精度反向。把附录 Table 7 与 §4.1、§4.2 的精度并排看，会出现一组尴尬的对应： $d_{300}/d_{30}$ 随数据量单调上升（0.16 / 0.17 / 0.18 / 0.22），意思是 1-shot 吸收掉了 84% 的初始距离、全量只吸收 78%；而验证精度的方向相反，1-shot 66.9、全量 70.8，差 3.9 分。在自己访问的状态上与教师对齐得最好的那一档，泛化最差。

这不是测量错误， $d_t$ 的定义就写明「在该 run 自己访问的位置上测」，所以它本质是一场自出题的考试：状态越集中，越容易考高分。可论文把这张表只用来论证「慢化速率与数据量无关」，没把两列并排读。并排读的结论要更重一些——教师-学生距离在自访问状态上的闭合程度，不是学生能力的单调代理。而「OPD 的任务是闭合教师-学生差距」正是全篇的框架前提。那张表里 16-shot 的慢化因子 4.2 与全量的 6.4 差了 1.52 倍，被归进「similar factor」也略显宽松。

教师与学生同尺寸。Table 1 的配对里，1.5B 学生配 1.5B 教师（R1-Distill-1.5B ← JustRL-1.5B），最大的学生是 OLMo-7B。论文动机引的是 Qwen3、GLM-5、DeepSeek-V4、Kimi K3，那些栈里教师比学生大一到两个数量级。同尺寸配对下两者的状态分布天然高度重合，一条 query 的 rollout 能覆盖教师值域的比例自然高。换成远大于学生的教师，「学生 rollout 触达的状态」与「教师有能力给出高质量监督的状态」之间的错位会扩大，71.5% 这个量级没有理由平移过去。论文把「更大的学生」列进 future work，等于承认了这一点。

固定状态消融只覆盖前 200 步。§5.3 的 off-policy run「稳定涨约 200 步然后停」，而 on-policy 的 one-shot 能跑到 1000 步。「移除新状态供给不缩短 run」在前 200 步内立得住；恰好第 300 步之后才是全量把差距从 1.3 分拉到 3.7 分的区间。这段区间里新状态供给的作用没有被这次消融覆盖。

对大模型领域的影响

先说这篇对本专栏主线的冲击。前五期都在数据侧做功：换标注粒度、自造环境、拿掉教师、反演轨迹、编译提示词。这篇把靶子挪了——如果 OPD 阶段的绑定约束是吸收速率而不是监督供给，那么大量投在 OPD 数据集筛选上的工程量，投在了不起作用的那一维上。它与第三期 OPSA 合起来读格外锋利：OPSA 说 OPD 的教师监督有相当比例是噪声，这篇说 OPD 的数据量从 17k 砍到 1 也基本不掉。教师和数据两侧都严重过剩。

「一条够了」有明确的时效性，别当成无条件结论。把论文自己的数字排一下：第 300 步 one-shot 68.5、全量 69.8，差 1.3 分；第 1000 步 one-shot 68.4、全量 72.1，差 3.7 分。差距放大到 2.85 倍，而这中间 one-shot 净变化是 −0.1 分（走平），全量净涨 2.3 分。论文自报的全量增益回收率从 87% 掉到 72%，掉了 15 个百分点，说的就是这件事。所以准确的表述是「一条 query 够用到几百步」，而不是「一条 query 够用」。真正的数据规模效应出现在长训练的尾部——恰好是前沿栈实际工作的区间。

全篇最没被兑现的数字埋在附录 E.1。代码生成域的四种输入条件末端相差不到 1.7 分，而同样 500 步里，真题基线花了 2.77 亿 rollout token，空模板只花了 1800 万——15.39 倍，省掉 93.5%。论文把这一段摆在「内容可不可弃」的框架下，读作数据故事。可 on-policy 蒸馏的主成本从来是 rollout 生成，这个数字是算力故事：空模板诱导的推理更短，于是每步更便宜。真题在数学域只换来约 1 分。一篇把「data-overfed」写进结论的论文，手里握着一个 15 倍的算力杠杆而没有展开，这是全文最大的未兑现资产。

方法论层面的迁移价值高于结论本身。「把一个流水线阶段的计价单位换成它真正消费的单位，再测覆盖率」这套动作可以照搬。RLVR 的计价单位是可验证任务，实际消费的是优势有波动的组；SFT 的计价单位是样本，实际消费的是梯度方向。每次换单位都会暴露一批被误配的工程投入。

5 实践启示

可以借鉴的技术

用状态覆盖率而非样本条数来定 OPD 的数据预算。可落地的近似做法：拿现有全量 run 的 rollout 抽一批状态、取教师末层隐向量、PCA 后 K-means 建一次参照空间，然后测候选 query 集的触达簇占比。论文把「不依赖全量 run 就能从 query 本身估覆盖率」列为 future work，这一步目前还得先付一次全量的钱。 $K$ 要扫一遍再定——Table 4 已经说明单个 $K$ 的绝对值不可靠，序关系才可靠，所以把它当排序工具用、别当验收指标。

按语义簇取代表，而不是按难度或来源分层。附录 B.2 的控制很干净：条数固定在 16 时，取自 16 个语义簇远好于取自 1 个簇，而固定集合的训练顺序无影响。这直接给出选样规则——先聚类再每簇取一条，比按难度分层更贴近 OPD 真正消费的东西。顺序无影响这一条也顺手省掉了课程学习那套设计。

在 OPD 阶段把优化预算的优先级放在数据预算之上。论文的 future work 给了两个具体方向：一个 batch 在每 token 落差的信任域约束下复用几个 epoch；按 token 残余教师信号量加权。这两条都是冲吸收速率去的，与「再洗一遍数据集」相比更贴近绑定约束。

教师选择的权重要往上调。§9 那句判词是全篇对数据工程最直接的一句话：

An input need only start the student reasoning, which turns data design from collecting problems into choosing teachers.

（输入只需要让学生开始推理，这把数据设计从收集题目转成了挑选教师。）

—— §9 Conclusion

在 1.5B 到 7B 这个尺度、教师与学生同族同尺寸的设定下，这句话有实验支撑。往上放大要自己重测。

空模板可以先当算力探针用。这是把附录 E.1 那 15.39 倍变现的低成本做法：新配一对师生时，先用空模板跑一次短程 OPD，看学生是否进入长推理、教师落差是否张开。它花的 token 是真题的十几分之一，而附录的四条曲线末端相差不到 1.7 分——作为管线连通性与师生匹配度的冒烟测试，性价比很高。注意那条边界：think 块必须留着让学生填，立刻闭合会塌成元层回复。

潜在应用场景

数据采集最贵的那些域优先受益。agentic 工具调用、长上下文、多轮交互，这些域的训练数据单价最高。论文在 agentic 工具调用上测到 64% 的差距回收率——不算亮眼，但它对应的是 xLAM-function-calling-60K 换成一条随机采样的 query。按采集成本折算，这个比价关系很划算。

多教师流水线的域预算可以先压到 16 条量级探底。§6 的每域 16 条拿回 101% 增益（分域 93%/136%/109%）给了一个明确起点。论文自陈只测了三域各一个教师，教师数量增加后能推到哪里未知，所以把它当探底的起点而非配置模板。

教师-学生同尺寸的场景可以直接抄配置。Table 1 里 R1-Distill-1.5B ← JustRL-1.5B 这种「同族、同尺寸、教师后训练更充分」的配对，正是内部小模型迭代的常见形态：上一版模型经过一轮 RL 之后作为教师，把能力灌给下一版基座。这个设定与论文实验条件重合度最高，71.5% 与 16 条这两个数在这里最可信。

给蒸馏流水线加一个吸收速率看板。 $d_t$ 与 $v_t$ 都只需要教师和学生在同一批状态上的对数概率，蒸馏流水线本来就在算。把 $v_{50}/v_{200}$ 这类慢化因子挂成监控项，能把「该加数据还是该改优化器」从拍脑袋变成读数。两条测量约定要跟着抄：从梯度裁剪不再生效之后开始测，每条 run 对自己的起点归一化。

别把结论外推到 RLVR。§7.2 的对照说得很清楚，两种目标函数对输入的要求不一样：RLVR 需要可验证且结果有波动的题，OPD 只需要能走出落差的推理。「数据不是瓶颈」这句话在 OPD 里有条件成立，搬到 RLVR 上不成立——那里 query 一旦被稳定解对，GRPO 的组内优势就消失了。

参考文献

Zixuan Fu, Bingxiang He, Yuxin Zuo, Haohuan Huang, Jinqian Zhang, Ruhang Xiao, Cheng Qian, Qinyu Luo, Huan-ang Gao, Yudong Wang, Zhiyuan Liu, Ning Ding, Chaojun Xiao (2026). Rethinking On-Policy Distillation of Large Language Models II: One Training Example. arXiv:2609.04172 [cs.AI]. 清华大学、中国科学院大学、东北大学、伊利诺伊大学厄巴纳-香槟分校、约翰霍普金斯大学。代码：https://github.com/Thinking-Space/One-Shot-OPD
Wang et al. (2026a). one-shot RLVR。本篇 one-shot 控制实验的先例，§7.2 的对照对象。
Li et al. (2026). OPD 成败条件分析，top- $k$ token 重合率指标的来源（§2.3 Eq.4）。
Armandpour et al. (2026). 教师信号在错误 rollout 上仍具信息量，§8 用它解释难题 query 为何有效。