SFT-E001 · dense native 与 SFT
Bash-JS：0.202 → 0.069 / 0.053 / 0.050；Pro 分数 50.1 → 49.7 / 52.8 / 51.0%。
行为明显靠近教师，但分数没有同样单调的关系。顺序为 s128/s256/s381，不作同 run 因果曲线。[S3][S4]
EVIDENCE
实验与证据
运行完成、技术检查和方法有效是不同的状态。
SFT-E002 · 裸基座对照
Pro 35.4→44.3%，Δ=+8.89 pp；Verified 52.0→55.4%，Δ=+3.40 pp。
SFT-E003 · 已后训练 dense 臂
输入中位数从 3.27 M 降到 1.69 / 1.52 / 1.75 M token/题。
输入足迹变化不能简化为能力变化，也不能直接当成净费用。[S3]
SFT-E004 · 同任务锚点
359 Pro 教师任务、345 held-out 验证任务进入分析和附录。
SFT-E005 · 失败结束语标注
110 个 regex-negative 失败结束语未标出承认失败；标注来自模型。
只能解释完成措辞；没有人工标注，不能把 regex 指标称为诚实性评价。[S5]