739 封真实邮件实测：逻辑回归在邮件分类上跑赢生成式 LLM

论文介绍自托管个人邮箱智能体 Foyer 及一套测量协议，含分层抽样、冻结快照与线程分组切分。作者对 739 封真实意大利语/英语邮件做人工标注，在九个系统上做对比。结果显示生产环境的关键词规则在邮件类型字段只有 28% 准确率，甚至低于 58% 的多数类基线；仅用约 200 条标注，TF-IDF + 逻辑回归在每个字段都拿到最高准确率（type 0.79、urgency 0.74、needs-reply 0.83、is-noise 0.90）。但准确率不等于产品指标：组合成动作后，最准确的系统有 18% 的比例忽略需要处理的邮件，而最好的 LLM 只有 4%；对噪声概率设置成本阈值后可把该比例减半并成为最便宜的方案。