模型进步之后，哪些旧规则可以放下？

值得改变的直觉是：输入单位不一定要在训练前固定。固定词表把压缩决策交给预处理，H-Net 则让这一决策与预测目标共同学习。当数据形式变化很大时，模型有机会把计算集中在更合适的语义尺度上；代价是增加了学习边界、压缩和恢复位置的结构复杂性。

单层严格对照与两层规模实验回答不同问题。前者较接近“在这些配平条件下，学习分组是否有益”，后者展示的是一整套架构和训练方案能走到哪里。将二者分开，既能看到能力机会，也避免把规模图上的差距误读成单一机制已经被完全隔离。

对工程团队而言，最有迁移价值的追问是自己的数据在哪些地方被固定切法拖累，例如混合语言、少见代码语法或长串格式符号。应先观察这些子集，而非仅看总体平均分。当前材料尚不足以判断服务延迟、批处理效率和后端实现成本；训练计算收益只有接到实际系统测量，才会成为部署收益。

这个发布可迁移的部分，是先定义“忠实”究竟指什么。病历需要规范术语，访谈研究可能必须保留犹豫和自我修正，字幕又有可读性要求。把它们都叫准确转写，会把产品选择藏进指标。应让目标样式、训练标签与评分规则一致，再比较模型。

医疗案例中，合成数据的价值也不只是增加小时数：它让少见术语和指定书写形式更频繁出现。但若调参者与测试说话人重叠，改善会更难解释。原文另列说话人隔离结果，正是必须保留的比较边界；通用集略退步也提示专门化需要衡量取舍。

早期用户报告与发布榜单并不完全一致。有人用四比特量化版本测试后，认为更慢、更重且错误更多，同时明确量化可能影响准确度。它不能推翻全精度报告，却提出实际选型必须回答的问题：在自己的语言、设备、输出样式与量化条件下，新增翻译或说话人能力是否抵得上资源成本。建议从同一批录音的错误类型和整段耗时开始比较，而不是只转抄总榜名次。

这个基准使“能算”与“知道该算什么”之间的距离更具体。即使公式调用完全正确，若遗漏资格、时间或身份前提，最终建议仍然可能不合用。对类似的合同、运营或文档工作，值得迁移的不是税务规则本身，而是先从原始材料提取会改变方案的条件，再检查条件之间是否冲突。

低通过率也需要结合任务设计读。严格整项阈值适合提醒人注意交付缺口，却隐藏了错误的大小与修复难度。遗漏一项关键信息和多数计算都错，可能同样算失败；实际辅助流程的价值还要看人需要花多少时间核对与补救。用户自述模型发现错误，和无人介入整项通过率低，可以同时成立。

关于专用工作流的质疑值得留下。若先列条件、检索当前规则、使用确定性计算器再复核，表现可能改变；但这只是待测假设，不能据此抹掉已有结果，也不能说作者已经测过最佳专业系统。下一轮有价值的比较应公开工具、系统指令与人工介入范围，在同一任务上比较最终质量和修复成本。