端侧 AI · 部署
离线文本分类：标签和未知类别怎么管
约束标签、校验输出，把 unknown 路径留在模型之外。
主查询：离线文本分类 · 核验：2026-09-16 · 事实卡：ARCH-01, BENCHMARK-01
先给结论
对离线文本分类而言，标签必须用一份固定、受版本管理的 taxonomy 来约束，模型的输出要逐项和这份清单校验，未在清单内的预测一律走一条不走模型的兜底路径。整个流程把 unknown 的处理挡在模型之外，由规则层决定如何呈现或回退，这样做是因为模型在封闭场景下没有能力去推断它从未见过的类别，强行让它开放就会破坏可控性。
需要先收集的证据
至少把下面三项与同一个 artifact、运行时和任务绑定：
- 标签 taxonomy
- 版本化 fixture
- 未知标签行为
若缺一项，就把它写成未知，不要用模型参数、芯片宣传或网上截图代替。
实施流程
要把这套做法落到可复现的层面，关键在于同时维护三类记录并加以对照：taxonomy 自身要随版本变更；用于回归和演练的 fixture 同样要做版本化，确保不同时间点的输入可被重放；未知标签的行为要有专门的日志，说明遇到清单外预测时系统走了哪条分支、给出了什么回退。把这三组记录放在一起对比，才能看出 taxonomy 的改动是否被同步到 fixture，以及兜底路径是否被新版本悄悄绕过。
- 先写任务和最大输入
- 确定运行时与 artifact 格式
- 固定 revision 与发布清单
- 做最小可复现工程
- 在目标设备跑代表任务
- 记录失败、回退与清理
最容易写错的地方
- 接受任意散文输出
- 直接执行模型标签
与此相对，两类错误模式需要被明确排除：一是放任模型自由生成散文式回答，把分类任务当作开放生成来处理；二是直接把模型给出的标签当作最终结果执行，不再做任何对照。现有记录只能支持这样的发布结论：受约束的标签加上模型外的 unknown 路径在已记录范围内有效，ARCH-01 与 BENCHMARK-01 分别对应上述约束与校验两端，任何超出这两条边界的推断都不应据此结论。
最小复现记录
| 层 | 必须记录 |
|---|---|
| 设备 | 型号、芯片、系统、RAM 档位 |
| 软件 | App 版本与 git commit |
| 模型 | 家族、变种、revision、格式、长度、hash、量化 |
| 运行时 | 版本、请求后端、实际后端证据 |
| 任务 | fixture、输入 hash、prompt hash、输出规则 |
| 结果 | 完成、失败、取消、回退与恢复 |
发布检查单
- 目标查询已在开头直接回答。
- 所有数字都能回到事实卡或原始记录。
- artifact、runtime、设备与任务没有混淆。
- 失败、取消、清理与回退都被测试。
- 隐私和网络边界单独说明。
- 结论只适用于记录中的配置。