点和框指定本次目标，但一个点仍可能同时指向局部与整体。SAM 的可复用图像表示和轻量提示解码使交互更方便；当前 LAB16 是透明规则对照，应准确区分规则输出、教学标注和真正模型输出。
同一图像杯柄正点对应整杯和杯柄两个教学掩码；增加框与杯身正点以约束整体目标。
前面主要把任务写成固定的训练输出。SAM 带来另一种使用接口：先给图像，再通过点、框等提示指定当前关心的区域，模型返回符合提示的掩码。 一个点未必只有一个正确解释。它落在杯柄上，我们可能关心杯柄，也可能关心整只杯子。增加提示是在减少这类歧义，而不是仅仅提高一个类别分数。 因此，可提示分割和自动把所有物体检测出来、给它们命名，不是完全相同的任务。这个接口让模型更容易被复用于不同操作，但使用者仍要说清想分什么。接下来再看，这种能力怎样与前面讲过的预训练连接起来。
在杯柄上给一个正点，并不唯一规定目标是杯柄、整只杯子还是更大的对象组合。提示式分割的任务是根据图像与提示返回合理 mask；提示增加信息，但不必天然消除所有歧义。
几何提示可以分工：正点表示希望包含的位置，负点表示希望排除的位置，框给出大致区域，已有 mask 可以作为进一步修正的输入。它们不是人工直接提供完整答案，却约束了本次想处理的对象。模型须结合图像线索填出边界。
原始 SAM 将图像编码、提示编码和 mask 解码分开。同一图像的较重表示可缓存，用户改点、改框时重复较轻的后半段。它也能为模糊提示给出多个 mask 与估计质量，从而容纳“部分还是整体”的不同解释。
本页教学图显示提示与目标的对应关系；若要评价模型，应保存真正返回的 mask，并先约定期望的对象粒度。用户给一个点后显示手工真值，不能替代推理证据。LAB16 目前保留的是确定性颜色/连通域规则，适合比较接口，不冒充 SAM 权重推理。
原始 SAM 主流程以几何提示训练，单点允许整体/部件歧义，模型设计支持多个候选掩码。此处是任务标注，不是本轮运行。原论文另有 text-to-mask 探索；此图不展开，也不把组合 grounding 能力归给本图接口。
规则对照让每项变化可解释，同时保留与 SAM 权重推理的身份区别。
当前 LAB16 输入 48×64 RGB 图像，含红色外壳、深红内部零件与蓝物体。代码从正点像素取颜色，选择颜色距离在容差内的像素，再保留与正点四邻连通的部分。负点排除与负点颜色太相似的位置；框只限制允许区域。
已有本地输出的面积为：紧容差 110，宽容差 837，增加外壳负点后 110，加框后 156。紧容差选择内部零件，宽容差把整个外壳纳入；框的面积 156 也可能截断物体。这些变化能直接从规则解释。
因此它适合回答“提示和算法假设共同怎样改变结果”，不能回答“SAM 学会了什么”。它确实读入像素并输出 mask，但没有可学习参数，没有加载 SAM checkpoint，也没有语义泛化证据。保留这项透明练习，比给它错误模型身份更有教学价值。
读完可以把同一个正点移到蓝物体，预测容差和负点的作用；或对照官方 SAM predictor 的输入输出接口，标明哪些步骤仍需真实权重推理。此处不把未来模型运行写成已经完成。
以下是备课用的模拟师生对话，不是课堂实录。
学生：给一个正点，模型为什么会给多个 mask？
教师：正点可能落在局部与整体的共同位置。多个合理候选表达这种歧义；再给负点或框，才有额外条件帮助选定想要的粒度。
先区分提示接口与训练来源；LAB16 作为规则对照选读，原始 SAM 机制按原论文核对。