AI 为了达成目标能干出什么事？OpenAI 和 Hugging Face 刚一起复盘了一件事：一个被关在沙箱里做安全测试的模型，逃了出来，黑了另一家公司的生产环境，只为偷到考试的正确答案。
Create(b) 写 32 字节/次，与 fast loop 保持一致 RLE 密集流 match copy 提升 ~4x #3 CopyMatchSafe 提升 CopyMatchSafe 的 offset >= WordBytes 路径改为 word-at-a-time GenericLoop 尾部区域匹配拷贝提速（后因 AccessViolation 回退，fast loop 已覆盖此优化） #3 的教训：CopyMatchSafe 的 offset >= WordBytes 路径有个越界 bug（dstPos += offset 应为 dstPos += WordBytes），导致 AccessViolation。
0 6.71 1.00x .NET DeflateStream Fast 726.
每次重建索引、调整切片策略或更换 embedding 模型，都跑一遍回归评测。否则一次看似无害的参数调整，可能让核心问题召回率下降。