本文目录导读：
你还没贴出具体的 Java 案例代码，所以我暂时无法判断它是否用了机器学习模型。
你可以把代码贴上来（或描述一下它做了什么），我帮你判断，为了让你先有个预期，我列出常见判断依据：
看是否用了 ML 库
如果代码里出现这些依赖/包名，通常就是机器学习：
- Java 原生 ML 库：
weka、smile、deeplearning4j(org.deeplearning4j)、nd4j、DL4J、encog、mahout - 调用外部模型/服务：
onnxruntime、tensorflow-java、pytorch(通过 JNI)、DJL(ai.djl) - Python 互操作：
jython、py4j、调用 Python 脚本 / REST 调用模型服务
看是否有 ML 典型代码特征
- 加载模型文件：
.model、.pkl、.onnx、.pt、.h5、.pb - 训练相关：
fit()、train()、epoch、learningRate、loss、gradient - 推理相关：
predict()、infer()、forward()、classify() - 特征工程：归一化、向量化、
feature、embedding - 数据集划分：
trainTestSplit、crossValidation
容易误判的情况
以下不算机器学习（虽然名字像）：
- 只是
if/else、规则引擎、正则匹配 → 规则系统 - 只是统计（平均值、求和、排序）→ 数据处理
- 简单的线性公式手写死 → 传统算法
- 调用了某个"AI 接口"但没模型加载 → 要看他调的是什么
帮我判断的最快方式
把下面任意一项发我：
- 完整代码或关键片段
pom.xml/build.gradle依赖列表- 项目里有没有
.model/.onnx等模型文件 - 代码里最主要的类名和方法名
贴出来后,我可以明确告诉你：是训练、是推理、还是只是普通业务逻辑，以及具体用了哪种模型。
