热点事件持续更新
通用决策模型Jev网络流量分类性能评估发布
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月2日发表于arXiv的一项研究，首次评估了通用决策模型Jev在CESNET-QUICEXT-25数据集上的网络流量分类表现。研究探讨了其准确率、处理时间与成本，结果显示，引入40个标注样本可将Jev的准确率从9.80%提升至28.42%，但其整体分类性能仍明显落后于传统模型Random Forest（准确率为69.95%）。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
研究评估Jev在流量分类上的性能，准确率最高达28.42%，仍落后于随机森林。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv 机器学习Jev 用于网络流量分类初探：准确率、处理时间与成本
研究首次评估通用决策模型 Jev 在 CESNET-QUICEXT-25 上的网络流量分类性能，40 个标注样本将其准确率从 9.80% 提升至 28.42%，但整体仍落后于 Random Forest（69.95%）。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。