SIRF 的 15.1 个百分点增益来自权重，而非提示词

15.1 个百分点的说法，以及支撑它的对照设计

SIRF 摘要中的头条数字, , 71.3% 的 Black Recall@P95, , 单看几乎说明不了什么。摘要没有点名任何生产平台，也从未定义“Black”或 P95 阈值究竟指什么。只有看到其底层支撑，这个数字才有分量：一个被设计成只改变一件事的对照实验。

作者在同一来源上运行 Qwen3-8B-SFT 与 SIRF-8B-SFT，政策注入方式完全相同，输出格式也同为仅给判定结论。唯一的差异是 SIRF 的、以政策为基础的持续预训练。SIRF-8B-SFT 达到 71.3% 的 Black Recall@P95，比算术推算为 56.2% 的基线高出 15.1 个百分点。这一对照设计才是其贡献所在。更强的基座模型或更好的提示词都会让两组结果相互混淆。

其后还有一个更弱的次级对比：在该接口下暴露 logprobs 的入选模型中，SIRF 与规模远大于自身的系统持平或超越。

“规范内化”是什么意思：基于合成政策的持续预训练

SIRF 是 Spec-Internalized Risk Foundation Model（规范内化风险基础模型）的缩写，这个名字描述的是一条训练流水线，而非一种架构。作者将平台现有的政策文档扩展为训练数据，没有再委托新的人工标注。三项具名步骤承担了这项工作：EntiGraph、MAGA 改写，以及账号级思维链。随后该语料通过持续预训练重新进入模型，于是规则最终进入权重，而非在每次请求时重新陈述。

与之形成对照的是大多数团队所用的护栏技术栈。提示时注入与基于规则索引的检索，都把政策留在模型之外。当规则每小时都在变时，这很方便；当规则不变时，则代价高昂：每一次请求都要为重新陈述规则付出代价，而每一次重新陈述都可能引入漂移。持续预训练只需一次性支付这笔成本；按基础模型的标准，论文为这一转变所设的预算很小，约为 7000 万 CPT token。

是精确率与秒级延迟，而非平均准确率

摘要开篇就否定了大多数模型论文所主打的指标：作者写道，平均准确率并非硬约束。真正重要的是，在高精确率、秒级延迟的条件下，系统无需人工介入能处理多少风险。

应把这理解为一项运营主张，而非机器学习主张。一个平均得分很高、但返回太慢而错过实时窗口，或不够精确以致审核人员必须复核其大部分判定结果的模型，既不能削减人力，也不能降低风险敞口。部署形态由这一约束推导而来：SIRF 只返回一个判定结论，别无其他。没有理由说明，没有推理时思维链，没有任何需要审核人员在行动前阅读的内容。

SIRF 运行在一个树模型裁决层之内，作者称该层可多挽回 20% 被误判处罚的样本。这是摘要中最具体的生产落地主张，也是外界最难核验的一项。

迁移、成本，以及 7000 万 token 能买到什么

两项次要结果的分量，比它们所处的行文位置所暗示的更重。SIRF 能以低成本迁移到一个冻结场景，误判处罚相对减少约 70%。而且作者称，CPT 训练没有损害通用能力, , 当模型在某一狭窄领域被高强度调优时，这通常是常见的牺牲品。

第二项主张才是值得追问的地方。“未损害通用能力”需要一整套带有前后得分的基准测试，而摘要一项都没给。迁移结果则更单薄：冻结场景只出现在一个从句中，既没有评测规模的细节，也没有说明是否复用了同一套政策语料。

token 数量真正支撑的是一个成本论点。与应用其基座模型背后的预算相比，7000 万 token 的持续预训练只是一次规模不大的训练。值得验证的主张，不是 SIRF 构建一次很便宜，而是内化的成本低到可以按平台重复。这才是“规范内化”在商业上必须意味着的东西：一条把每个平台的私有政策转化为其自身检查点的流水线，而不是一个能跨多套规则手册泛化的模型。

摘要留下的未解之处

对于任何评估这一结果的人，有四处空白格外突出。

• 同行评审：该条目给出的提交日期为 2026 年 9 月 10 日，归类于 cs.AI，没有给出发表会议或期刊。那么，这些是预印本数字。
• 来源：政策数据来自一家平台的规则集，被描述为复杂但未具名。没有报告第二次部署。
• 对比的外沿：“在入选的、该接口下可获取 logprob 的模型中”是一个狭窄的范围。不暴露 logprobs 的模型不在该主张涵盖之内。
• 延迟：整套论述的关键在于秒级与超低延迟推理，然而摘要没有给出模型或裁决层的任何毫秒级数字。

受控对比是这篇论文最强的资产，也是它的天花板。第二套规则手册与第三个基座模型，才能真正检验内化是否成立。