simnet语义匹配使用MLP与直接用cosine比较有什么不同吗

simnet语义匹配过程中Representation-based Match这部分，将待匹配的两端都转换到等长的语义表示向量里。然后在两端对应的两个语义表示向量基础上，进行匹配度计算，两种计算方法：一种是通过固定的度量函数计算，实际中最常用的就是 cosine 函数，这种方式简单高效，并且得分区间可控意义明确；还有就是将两个向量再过一个多层感知器网络（MLP），通过数据训练拟合出一个匹配度得分，这种方式更加灵活拟合能力更强，但对训练的要求也更高。这里发现采用MLP一般会降低匹配准确度，那么具体为什么要用MLP呢

No files, tests, or entry points are named. Start with the issue's Representation-based Match description and compare the cosine and MLP approaches, including why training may reduce accuracy. Done means providing a clear explanation of when MLP is useful and why it may underperform here.

Written by the indexing model from the issue text.