搜索“推理”

onk 15:40 Chonk 对比 Beam、Muse Spark Open 和中国模型 18:44 为什么中国实验室仍处于前沿 21:08 Pierre 的故事：FAIR、Yann LeCun、“Mistral 黑帮” 25:14 从压缩网络到万亿参数 27:30 详解混合专家：医院类比 32:25 十万亿参数模型即将到来 35:29 Mistral 从 DeepSeek 借鉴了什么 36:46 一个模型，多种推理模式 39:15 原生多模态：卫星、手册、计算机操作 41:56 数据、合成数据与模型崩溃 46:32 把强化学习当作考试 49:59 效率从何而来 52:18 Le Chonk 目前仍在训练中 53:39 强化学习训练什么：编程、网络、金融、芯片 58:13 部分奖励与循环惩罚 59:58 强化学习教会了什么新东西吗？ 1:03:16 沙盒故事：那个 ping 了自己训练器的模型 1:07:44 开放权重与网络拒答 1:12:05 Timestral：在 CPU 上做时间序列 1:14:18 AI 做 AI 研究 1:16:22 即将推出：Mistral Large 5

匹配字段正文

前沿生态"，以 "Token 成本对应业务结果" 作为新的软件经济学 进入 "超级智能时代"，微软的核心命题不是机会有多大，而是怎么把技术转化成实际的经济成果。它的打法是建设一个 "前沿生态"：让别人在微软平台上创造的价值，多于微软自己留下的价值。同时围绕一个新指标来优化："cost-to-outcome"，也就是每一份 Token 开销能换来多少业务结果。推理成本让边际成本重新成了软件经济的关键变量。 https://t.co/kM3v9US6DF 财务成绩（2026 财年） 营收 3318 亿美元，同比增长 18%；微软云 2144 亿美元，增长 27%；Azure 增长 41%，首次突破 1000 亿美元；营业利润 1552 亿美元，增长 21%。M365 Copilot 付费席位超过 3000 万，GitHub Copilot 用户达 5000 万。 战略要点：模型优先、Agent 优先，财报改为两大板块 Agents and Infra（Agent 与基础设施） · 交互方式从同步聊天变成异步 Agent，用他的话说是"宏观委派、微观引导"：人定目标，系统去执行，需要时再回来

匹配字段正文

。更准确地说，谷歌的优势不是“没有算力成本”，而是算力成本结构和现金流韧性远优于独立模型公司。只要不犯战略性错误，它确实更能靠现金流把对手耗下去。 DeepSeek则走出了一条极致的工程降本路线。其R1模型宣称训练成本约560万美元、使用2000块H800，对比西方可比模型8000万至1亿美元、16000块H100的成本结构；MoE架构降低计算成本约30%；推理框架DeepInfer于2026年10月全面开源。它不靠高昂API订阅养活庞大销售团队，而是靠“好用且便宜”的口碑进攻开发者生态。DeepSeek的存在证明：在算力受限背景下，极致的工程效率可以显著抹平硬件代差。当然，这并不意味着它已经锁定终局，只是代表一种更难被现金流压垮的生存策略。 中间态的困局：OpenAI与Anthropic的结构性压力 反观Anthropic和OpenAI，它们处于尴尬的中间态：没有谷歌那样雄厚的自有资金和底层硬件，又必须维持庞大的人力成本和算力开销。 OpenAI 2025年净亏损约385亿美元，向微软支付了172亿美元相关费用，高度依赖微软输血；其推进IPO的紧迫性在报道中有所体现，但将其描述为“内

匹配字段正文

百分点大幅收窄至个位数。 GPU的“半壁江山”没了 如果把IDC这份报告进行深入剖析，就会发现2026年上半年国内AI算力市场的整体规模，并没有出现外界预想中的爆发式增长：总出货量刚跨过200万颗关口，和2025年同期相比仅增长了5%左右，所有核心的市场变化都藏在了结构内部。 过去十年，中国数据中心的AI算力采购几乎完全围绕GPU展开。从早期的训练卡到后来的推理卡，客户的首选始终是通用GPU，尤其是英伟达的产品。但2026年上半年的数据彻底改写了这个常识，GPU阵营的整体出货规模同比收缩了四分之一，而以ASIC和专用推理卡为代表的非GPU阵营，出货量直接翻了近一倍。两个阵营0.5万颗的出货差距，看似微不足道，却标志着GPU第一次不再是AI加速器市场的绝对主力。 从厂商维度看，头部梯队集中度依然很高，但内部排名出现了显著波动。英伟达的67.8万颗出货，在GPU总盘子里占据近七成。也就是说，剩下的三成GPU市场已经全部被本土厂商瓜分——海光信息的DCU、摩尔线程的全功能GPU、壁仞科技的通用计算卡，合计贡献了约31万颗的出货规模；而华为的57.2万颗出货横跨两个阵营，既有面向大模型训练的昇

匹配字段正文

现”。 而CLI和插件增长用户大幅增长后，Codex团队又敢于押注下一个形态。哪怕内部没达成一致，Tibo仍决定把最大投入放在原生桌面应用，这最终促成了Codex更大的成功。 接下来，就让时间倒回2024年底，看看这段翻身仗究竟是如何打下来的。 第一代大模型更像是即兴演员：必须一个词一个词当场编下去，无法计划，也无法回头。但早期用户发现，只要让模型“先一步步推理再作答”，答案就会明显变好——这就是“思维链”提示法。 OpenAI随后把这一行为直接训进模型之中：回应用户的查询之前，模型会先在“草稿纸”（推理轨迹）上推演，如果遇到死胡同可以回退，选定最终的可行路径，再开始作答。 2024年9月，OpenAI o1模型预览版发布，这是第一个具备思维链特征的模型。只要在难题上多花点时间，它就能答得更好。 而编程是推理模型最适配的场景之一：改代码、运行、看结果，几秒钟内完成一次自我验证，闭环自洽。理论上，只要给足时间，推理模型可以独立完成任何编程任务。 02. 多路并进，Codex的多个开端 造一个AI程序员是OpenAI多年的执念。Codex这个名字也不是新的：2021年的第一版Codex是一

匹配字段正文

出，如果考虑到融资成本以及12%的投资回报率要求，要与7万亿美元的投资规模相抵，行业需要的收入其实是8.5万亿美元。而按照Gartner自身的收入预测，这中间横着大约5万亿美元的缺口。换句话说，眼下每一块钱的AI基建投入，未来都要面对不小的回本压力，靠收入自造血来消化这笔天量开支，几乎是不可能的任务。更关键的是，钱从哪来回。云厂商出租算力、企业订阅AI应用、推理服务按量计费，这些被寄予厚望的收入来源，眼下无论是付费意愿还是场景成熟度，都还跟不上投入的节奏。 Will Sommer对回报周期的判断同样审慎。在他看来，持续投入之下，行业可能要等到2032年才能真正实现12%的回报率目标。而在此之前，行业内可能有超过4万亿美元的资产要直面减值风险。4万亿美元是什么概念，大致相当于好几个欧洲主要经济体全年GDP的总和。当资本开支高歌猛进、收入曲线却爬坡缓慢，这样的错配一旦被时间戳穿，代价会相当沉重。 值得关注的是Neocloud这个群体的命运。Gartner预测，到2030年，将有超过80%的Neocloud停止独立运营。所谓Neocloud，是近年迅速崛起的新兴AI云服务供应商，它们的商业模

匹配字段正文

作者本人，36氪平台仅提供信息存储空间服务。+15 好文章，需要你的鼓励白鲸出海特邀作者5收 藏+10评 论打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博沉浸阅读返回顶部举报参与评论评论千万条，友善第一条登录后参与讨论提交评论0/1000你可能也喜欢这些文章曝OpenAI急融2000亿，跟Anthropic抢金主44万亿美元，Anthropic又在吹牛了国内当学徒，海外标高价：物理AI出海，为什么越讲效率越危险?Altman提出AI发展的三条“终局之路”：从国际监管到“一家独霸”国模Agent第一，MiniMax爆改Flash战力，全时段大肥鱼谷价AI算力中心背后，一场价值千亿的"制冷战争"这届AI，把电信诈骗犯逼疯了扣非亏7.6亿，同比翻番，科大讯飞要靠AI赚钱还要等突发，DeepSeek重磅开源核心推理引擎白鲸出海特邀作者 TA没有写简介，但内敛也是一种表达发表文章658篇 36氪欧洲站36氪欧洲站36氪欧洲站Ai产品日报网络谣言信息举报入口热门推荐 推送和解读前沿、有料的科技创投资讯 一级市场金融信息和系统服务提供商 聚焦全球优秀创业者，项目融资率接近97%，领跑行业

匹配字段正文

工作负载能否被中断？从存储恢复需要多快？它需要哪一代 GPU、什么样的网络和软件配置？这些细节既影响合同，也影响价格。 让算力变得可交易 SF Compute 没有等待每个 GPU 集群都变得可互换，而是将约束条件不同的订单进行匹配。Evan 认为，这让交易在技术不断变化的过程中成为可能，代价是流动性分散在更多变体上。我们还讨论了现货与远期定价、批处理与实时推理，以及为什么某个指数可能会与实际购买算力的成本脱节。 独立性是 Evan 主张需要市场运营方的核心。他认为，拥有庞大硬件或推理业务的公司，其自身激励会使其更难运营一个中立的交易所。我们还谈到了那些不那么光鲜的工程工作：实地考察站点、设计集群、运行背板，以及让基础设施变得可编程。接近尾声时，他以能够动态切分 InfiniBand fabric 为例说明了这一点。 嘉宾：Evan Conrad，SF Compute 首席执行官。 节目笔记 我们此前与 SF Compute 的对话 2020年石油期货为何跌为负值——EIA SF Compute 客户如何转售未使用的 GPU 容量 SF Compute 的 2.45 亿美元算力销售 A

匹配字段正文

TOL等智能飞行器和核心零部件的研发制造，另一家正式成立低空智联产品线。 ①物理AI“训练数据”存在刚性供给缺口，真实物理数据与软件AI数据获取逻辑完全不同，相关厂商具备行业独占性；②除机器人以外的物理AI应用方向，流程工业有望成为物理AI优先落地场景，这个细分环节卡位AI决策与机器执行的桥梁；③这个行业或是物理AI产业链中具备预期差的新增方向，受益训练端和推理端同步增长的算力需求。 【公告全知道】碳化硅+先进封装+第三代半导体+金刚石+AI眼镜！公司Q3净利润环比增长超44倍 ①碳化硅+先进封装+第三代半导体+金刚石+AI眼镜！这家公司Q3净利润环比增长超44倍，12英寸碳化硅衬底产品已获得头部客户订单并实现交付；②磷化铟+光纤+第三代半导体+商业航天！这家公司Q3净利润同比增长超26倍；③人形机器人+锂电池+储能+宁德时代+华为！公司拟5亿元投建机器人智能电关节项目。 相关阅读 财联社 史正丞 2026-10-20 21:08 ①科技板块周二再度承压，CoreWeave、美光、闪迪等明星题材股盘前集体走弱； ②高通CEO预告将展开全球裁员； ③Sea掌门人称金融业务可能独立上市；

匹配字段正文

可能也喜欢这些文章国内当学徒，海外标高价：物理AI出海，为什么越讲效率越危险?9月：2026中国AI大模型平台排行榜Altman提出AI发展的三条“终局之路”：从国际监管到“一家独霸”国模Agent第一，MiniMax爆改Flash战力，全时段大肥鱼谷价AI算力中心背后，一场价值千亿的"制冷战争"这届AI，把电信诈骗犯逼疯了突发，DeepSeek重磅开源核心推理引擎半年四轮亿元级融资后，欧拉万象想把家庭机器人带向哪里？算力租金剧烈震荡，AI也要买“保险”ZAKER财经特邀作者 TA没有写简介，但内敛也是一种表达发表文章120篇 最近内容扣非亏7.6亿，同比翻番，科大讯飞要靠AI赚钱还要等2小时前快手又一推荐模型核心负责人被传离职，入职仅15个月3小时前苹果首次低头：iPhone 18 Pro官方降价，砍单15%2026-10-16阅读更多内容，狠戳这里选靠谱AI，看真实评测查看36氪AI测评官方交流社区加入咨询项目审核和入驻联系36氪项目推荐订阅号关注科大讯飞我要联系智能语音技术提供商 下一篇当机器狗学会自己挣钱，芯片才是真正的赢家 一台会跳舞的机器狗，和一台能挣钱的机器狗，差的不只是

匹配字段正文

学徒，海外标高价：物理AI出海，为什么越讲效率越危险?9月：2026中国AI大模型平台排行榜Altman提出AI发展的三条“终局之路”：从国际监管到“一家独霸”国模Agent第一，MiniMax爆改Flash战力，全时段大肥鱼谷价AI算力中心背后，一场价值千亿的"制冷战争"扣非亏7.6亿，同比翻番，科大讯飞要靠AI赚钱还要等突发，DeepSeek重磅开源核心推理引擎半年四轮亿元级融资后，欧拉万象想把家庭机器人带向哪里？算力租金剧烈震荡，AI也要买“保险”硅基观察Pro特邀作者 人工智能新时代的商业智库和价值灯塔发表文章398篇 最近内容这届AI，把电信诈骗犯逼疯了2小时前AI短剧“杀不死”游戏昨天前英特尔CEO最新判断：绝大部分芯片设计公司将会消失，制造才是唯一的壁垒2026-10-16阅读更多内容，狠戳这里选靠谱AI，看真实评测查看36氪AI测评官方交流社区加入咨询项目审核和入驻联系36氪项目推荐订阅号关注 下一篇iPhone Duo的官方保护壳里，为什么会用上胶带 使用双面胶辅助安装，是几乎所有折叠屏手机保护壳的可行方案。 36氪欧洲站36氪欧洲站36氪欧洲站Ai产品日报网络谣言信

匹配字段正文

欢这些文章国内当学徒，海外标高价：物理AI出海，为什么越讲效率越危险?9月：2026中国AI大模型平台排行榜Altman提出AI发展的三条“终局之路”：从国际监管到“一家独霸”国模Agent第一，MiniMax爆改Flash战力，全时段大肥鱼谷价这届AI，把电信诈骗犯逼疯了扣非亏7.6亿，同比翻番，科大讯飞要靠AI赚钱还要等突发，DeepSeek重磅开源核心推理引擎半年四轮亿元级融资后，欧拉万象想把家庭机器人带向哪里？算力租金剧烈震荡，AI也要买“保险”星海情报局特邀作者 关注“中国制造”的星辰大海发表文章312篇 最近内容AI算力中心背后，一场价值千亿的"制冷战争"2小时前你不能只在特斯拉耍杂技的时候才拍手叫好12小时前AI 学会拆软件了，闭源软件靠「看不懂」守了二十年的墙，开始漏风了2026-10-12阅读更多内容，狠戳这里选靠谱AI，看真实评测查看36氪AI测评官方交流社区加入咨询项目审核和入驻联系36氪项目推荐订阅号关注 36氪欧洲站36氪欧洲站36氪欧洲站Ai产品日报网络谣言信息举报入口热门推荐 推送和解读前沿、有料的科技创投资讯 一级市场金融信息和系统服务提供商 聚焦全球优

匹配字段正文

做很多事情，帮你完成。我们当时用GPT-4，Eureka也开源了代码，可以看到我们如何让GPT-4自己写代码，再把代码融入仿真环境。现在GPT-6可以自己安装仿真环境，把这些都处理好。 陈茜：GPT-6可以自行安装？ Jason：对，而且能力也更强。以前GPT-4主要是语言模型，对视觉、空间的理解不是很好。现在GPT-6的空间理解很好，可以直接完成一些对空间推理要求很高的机器人任务，这是一个本质区别。 张君武：未来哪些领域会更多用到GPT-6这样的智能体驱动的机器人技术，哪些领域又会更多受益于人工智能、智能体对训练的帮助？ Jason：在我看来，两者没有很大的本质区别。最重要的是给模型、给智能体系统一个奖励函数。 比如训练模型，有training loss（训练损失），你可以跟GPT-6说，一直改参数，直到Training loss（训练损失）达到2.3左右。让它做智能体驱动的机器人技术也是同样的概念，一直写代码，直到把任务完成。最终就是要给模型一个目标。 张君武：奖励函数很重要。 陈茜：你2023年在英伟达的路线大量依赖仿真，很有英伟达的特点。当时Jim Fan也和你在这篇论文上合作

匹配字段正文

来自微信公众号“医曜”，作者：颜松，36氪经授权发布。 该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。+16 好文章，需要你的鼓励医曜特邀作者6收 藏+10评 论打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博沉浸阅读返回顶部举报参与评论评论千万条，友善第一条登录后参与讨论提交评论0/1000你可能也喜欢这些文章DeepSeek全面开源推理框架：兼容英伟达、华为昇腾芯片，单集群日吞吐155万亿Token，每卡每小时收入38美元集中兑现，全面爆发：城市NOA进入「轻舟时刻」解气，35万个AI专骗骗子，陪聊装傻套情报，让电诈白干17年抢在Anthropic敲钟前：OpenAI冲刺300亿美元融资，估值剑指1.4万亿国产 AI 性价比王者要换人了吗？MiniMax 来真的港科大团队：让Agent找回长对话中“失联的记忆”Anthropic谷歌字节腾讯入场，科技巨头为何集体涌向AI制药？美团做了个大众点评版的Skill平台DeepSkill，收录超37万个技能工具智谱的困惑：海外口碑极佳的GLM，为何在国内大众眼里输给了DeepSeek和豆包？医曜特邀作者 专注于医药产业

匹配字段正文

华尔街见闻”，作者：许超，36氪经授权发布。 该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。+14 好文章，需要你的鼓励36氪的朋友们特邀作者0收 藏+10评 论打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博沉浸阅读返回顶部举报参与评论评论千万条，友善第一条登录后参与讨论提交评论0/1000你可能也喜欢这些文章DeepSeek全面开源推理框架：兼容英伟达、华为昇腾芯片，单集群日吞吐155万亿Token，每卡每小时收入38美元集中兑现，全面爆发：城市NOA进入「轻舟时刻」解气，35万个AI专骗骗子，陪聊装傻套情报，让电诈白干17年抢在Anthropic敲钟前：OpenAI冲刺300亿美元融资，估值剑指1.4万亿国产 AI 性价比王者要换人了吗？MiniMax 来真的港科大团队：让Agent找回长对话中“失联的记忆”Anthropic谷歌字节腾讯入场，科技巨头为何集体涌向AI制药？美团做了个大众点评版的Skill平台DeepSkill，收录超37万个技能工具智谱的困惑：海外口碑极佳的GLM，为何在国内大众眼里输给了DeepSeek和豆包？36氪的朋友们特邀作者 TA

匹配字段正文

文 | 定焦One，作者 | 李梦冉，编辑 | 魏佳 一批靠“Token”做生意的公司，正在走向资本市场。 9月29日，AI基础设施服务商九章云极向港交所递交招股书，冲刺“智算新云第一股”。此前，AI推理服务商硅基流动也已于6月底递表港交所。10月初，据媒体报道，无问芯穹已秘密向港交所提交上市申请，同月12日，无问芯穹宣布完成23亿元C轮融资，累计融资达43亿元，公司称单轮及累计融资规模均创下中国AI原生基础设施赛道新高。 三家业务各有侧重，却都在押注与Token有关的生意。 Token（词元）是大模型处理信息的基本单位。用户向AI提出一个问题，模型理解输入、生成回答，都需要消耗Token。国家数据局数据显示，2024年初，我国日均Token调用量约为1000亿，到2025年底增长至100万亿，2026年3月进一步突破140万亿。短短两年多，日均调用量增长超过1000倍，仅2026年前三个月就增长了40%以上。 资本在下注，不同背景的玩家在加入，但更现实的情况是，Token需求持续增长，价格竞争加剧，部分模型大幅降价。对于投入大量资金采购算力、建设基础设施的企业而言，调用量增加不一定意

匹配字段正文

、可理解、可传承的思想增量，直觉、灵感、敏锐力都是发现新知不可或缺的支撑。 数学好比登山，登顶固然重要，但找到合适登山杖、发掘最优路线、欣赏途中景色也很重要。 04 1，AI给出的结果太大，人类胃口吃不下，用陶哲轩的话说就是，会出现“证明的消化不良”。 有个细节是：OpenAI批量发布手稿后，数学家们硬着头皮打开文件，发现里面充斥着难以理解的构造、语焉不详的推理步骤和莫名其妙的文献引用。长期研究唯一博弈猜想的学者达娜·莫什科维茨就表示，她不得不借助另一个AI工具，才勉强读得下去。 2，AI会给数学研究带来放射性污染，给出的结论泥沙俱下、真假难辨。 OpenAI发布的722篇手稿中，仅有约42%完成了Lean形式化验证，多篇被发现存在缺陷，官方主动撤回了3篇，修订了14篇。 哥伦比亚大学数学学者Michael Harris感慨，这会产出大批符号垃圾，带来“知识崩塌”：“用一种可货币化的替代文化取代通过历史经验演化而来的文化，是一种特别阴险的知识崩塌形式。” 3，AI会催生数学家的意义困惑，并助长数学领域的捷径依赖。 而被古德哈特定律点中穴的中国学界，向来被论文指标牵着鼻子走。既然AI是解

匹配字段正文

元，截至2025年末净资产仅为-900万元。亏损的根源在于成本结构，AI视频生成服务和传统SaaS存在本质差异：传统SaaS产品，用户使用不会带来显著新增成本；而AI视频企业的成本发生在用户实际消耗token、调用模型生成视频的环节。 图源：快手公告 说得更直白点，模型生成的视频想要达到要求，通常需要反复修改、重新生成，这些失败和返工实际上都是成本。即便单次推理能够实现正向毛利，前期模型训练、硬件设备折旧、研发开支等大额固定成本仍难以摊薄。 公开市场固然可以容忍亏损，却需要看到亏损收窄的趋势性证据，以及一条指向盈亏平衡的清晰时间表。 其二，算力成本能否被消化？ 视频生成的推理成本远高于文本模型。每生成1秒视频需渲染约30张图像，最终可用率仅5%至10%，意味着每产出1条合格视频，背后有数十倍算力被浪费。 从模型蒸馏、推理加速、稀疏化架构，到自研芯片的尝试，技术供应商都在试图把单位生成成本压下来。但成本固然在下降，需求的增长却可能更快。分辨率、生成时长和成功率每提升一步，都可能带来新的成本压力。 对于冲刺上市的公司而言，算力成本不只是一个经营指标，而是直接影响估值逻辑的核心变量。 其三，

匹配字段正文

eepSeek的定价逻辑从来不是“烧钱换规模”，而是一套成本加成的朴素算式：买一批服务器回来，十个月收回设备成本，就是合理利润。 2026年8月上调API定价、引入峰谷定价之后，客户并没有大规模流失，说明它的价格弹性来自效率冗余，而不是补贴惯性。 一个在经营“收入的质量”，即API占比、海外增速、付费转化；一个在经营“成本的结构”，即毛利率、算力自给率、单位推理成本。 Kimi的财务叙事是增长驱动的，DeepSeek的财务叙事是效率驱动的。 两者都可以赚钱，但赚钱的方式决定了它们在面对下一轮竞争时，会优先保护什么、牺牲什么。 产品化与研究化的区别 技术层面的分岔，比财务层面更早发生，也更难被“趋同”的叙事掩盖。 Kimi的技术选择有一条贯穿始终的主线：把长上下文做成产品能力。 K3拥有2.8万亿总参数和100万Token上下文窗口，依托自研的KDA混合线性注意力和注意力残差等底层架构创新，重点指向长程Coding、复杂知识工作和Agent任务。 它的技术报告里反复出现的关键词是“长时程复杂任务执行能力”“Token利用效率”“原生视觉理解”。 换句话说，Kimi的架构创新，最终要回答的

匹配字段正文

质量评分比单 Agent 提高 17.3%，平均延迟也增至约 1.96 倍，静态 SVA 检查准确率为 84.62%。方案可支持后仿真分析，但持续摄取与复杂归因仍需验证。 03 为什么密钥扫描换回了分类器 高熵字符串可能是真实凭据，也可能是测试数据、占位符或校验和。正则表达式能快速找到可疑格式，却不擅长判断代码上下文，通用 LLM 可以帮助区分，但候选越多，推理费用和延迟便不断累积。对于需要在代码提交被接受前给出结果的 Push Protection，这种等待会直接影响开发体验。GitHub 保留正则作为候选入口，将后续判断交给微调后的 ModernBERT。它读取候选字符串、密钥类型、变量名、文件路径和附近代码，输出风险分类得分，再由阈值决定是否告警。编码器经过前向计算就能返回类别，不需要像生成式 LLM 那样逐 token 输出解释，适合批量处理同类请求。难点在于 hard negatives：字符串很像密钥，却是无害示例。GitHub 将产品反馈及人工标注、真实仓库中的高召回候选、专门合成的困难负样本组合起来，并按仓库、候选值和关联关系划分训练与评估集，减少相似数据带来的评估偏差

匹配字段正文