过启用这些优化也需要消耗更长的编译时间。这也就是为什么会有两种不同的配置：一种是为 了开发，你需要快速且频繁地重新构建；另一种是为用户构建最终程序，它们不会经常重新构 建，并且希望程序运行得越快越好。如果你在基准测试代码的运行时间，请确保运行 cargo build --release 并使用 target/release 下的可执行文件进行测试。 把 Cargo 当作习惯 对于简单项目，Cargo 并不比 rustc 解，现在无需关心这些细节，记住总是标注类型即可。 常量可以在任何作用域中声明，包括全局作用域，这在一个值需要被很多部分的代码用到时很 有用。 最后一个区别是，常量只能被设置为常量表达式，而不可以是其他任何只能在运行时计算出的 值。 下面是一个声明常量的例子： const THREE_HOURS_IN_SECONDS: u32 = 60 * 60 * 3; 常量的名称是 THREE_HOURS_IN_SECONDS，它的值被设置为 backtrace 程序在索引操作中使用一个无效的值时导致 运行时 错误。程序带着错误信息退出，并且没有 执行最后的 println! 语句。当尝试用索引访问一个元素时，Rust 会检查指定的索引是否小于 数组的长度。如果索引超出了数组长度，Rust 会 panic，这是 Rust 术语，它用于程序因为错 误而退出的情况。这种检查必须在运行时进行，特别是在这种情况下，因为编译器不可能知道 用户在以后运行代码时将输入什么值。

人工智能内生安全风险 3.1.1 模型算法安全风险 （a）可解释性差的风险。以深度学习为代表的人工智能算法内部运行逻 辑复杂，推理过程属黑灰盒模式，可能导致输出结果难以预测和确切归因，如 有异常难以快速修正和溯源追责。 （b）偏见、歧视风险。算法设计及训练过程中，个人偏见被有意、无意引入， 或者因训练数据集质量问题，导致算法设计目的、输出结果存在偏见或歧视， 甚至输出存在民族、宗教、国别、地域等歧视性内容。 追溯到递归采用的人工智能模型。 （f）服务提供者应提高人工智能风险防范意识，建立健全实时风险监控 管理机制，持续跟踪运行中安全风险。 （g）服务提供者应评估人工智能产品与服务在面临故障、攻击等异常条 件下抵御或克服不利条件的能力，防范出现意外结果和行为错误，确保最低限 度有效功能。 （h）服务提供者应将人工智能系统运行中发现的安全事故、安全漏洞等 及时向主管部门报告。 （i）服务提