（来源：上观新闻）
Oncal🇲🇸l 任务的一个典🚧型场景是🇭🇷🎥：如果 💷🏴☠️Cla♍ude🤩 的 API👩👩👦👦🏝 突然响应变慢、🇺🇲🥇某个模型推理节👨🏫点挂了🧷👱、用户反馈某💈🇧🇾类 promp🇸🇻😻t 输出异常，🎿oncall 工🛐🚷程师需要快🇼🇸🇧🇹速定位问题根源💙🍨，判断😴是代码 bug🐚🤡、算力分配问题📬👻还是模型本身➰🦟的异常，🏫然后决定怎么修📴⏲。
Mat🙍🤷♀️t：但这又和刚才📏说的数据驱动有💖💉点冲突❇？一方面你🇲🇳蜘蛛识别扫一扫会测试、看数🙍♂️🚬据，但另一👞方面又有一些更难🎒量化的🏗判断🤳。Bob Crin🔔🅰gley：虽然♥确实有一个核😶👩🦰心团队做到了，但🧤更庞大的团🕰队成员大🇮🇪多来自 Hew❗lett-Pa🏨😄ckard，🇭🇲💡他们对此🕔一窍不通🇱🇧👩🍳。
那种感觉很📛🎬蜘蛛识别扫一扫不爽，🚦它没有让你起飞↕，而我想🧜♂️🗡要创造更多🖲能让人“🇧🇦飞起来😈”的时📢🇰🇲刻🇳🇿。训练模型👨👦👦其实是一件👠很有意思的事🐦。我们将👩👩👦👦成就下一个伟大⏫😞的事业⚠🚃。
