一篇新论文评估了通用决策模型 Jev 在网络流量分类方面的表现，并将其与 Random Forest、Extra Trees 等传统方法以及 OpenAI GPT-5.6 Sol 语言模型进行了比较。研究发现，虽然 Jev 的准确性随着标记示例的增加而显著提高，但仍落后于训练过的树集成模型。与 GPT-5.6 Sol 相比，Jev 的处理时间和成本较低，尽管在测试配置下，两种模型在准确性方面均未显示出明显优势。 AI
影响 这项研究强调了对不同模型架构在特定任务上的持续探索，这对网络分析的效率和成本具有启示意义。
排序理由 该集群包含一篇评估新模型在特定任务上表现的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
