观点：传统分类器在多数场景仍优于决策模型
原文：Old-school classifiers are still generally better than Jev [P]
现在围绕 Jev 等决策模型有很多炒作。但在大多数真实用例中，你有一些标注数据，可以用它来个性化你的模型。因此我们测试了老派的分类和回归方法：用开源或廉价嵌入模型嵌入输入；用你自己的标签在上面拟合一个简单的 sklearn 模型。结果这种方法更便宜，而且几乎总是显著更准确（相比 Jev 错误率降低 37%）。文章：https://blog.voyageai.com/2026/10/27/how-to-create-your-own-jev-using-voyage-models/（披露：我在 Voyage 工作）代码：https://github.com/mishelsikder/mongo-predict 好奇其他人是否也看到同样情况，或发现零样本表现更好的案例。编辑：澄清一下，这里的收益来自拥有训练标签，这只适用于某些用例。Jev 不使用训练标签，所以有标签时这种方法胜出、没标签时落败并不奇怪。