AITOPAI热报

classification

general · First seen 2026-05-22 · Last seen 2026-10-28 · 162 mentions

Overview

classification（分类）是机器学习中最基础的任务类型之一，指模型根据输入数据的特征将其划分到预定义类别中，是当前 AI 系统路由、风险分级和工业质检等场景的核心技术。围绕它的近期动态主要集中在两条线上：一是把分类能力嵌入 LLM 基础设施，二是学术界在图、时间序列等结构化数据上持续改进分类方法。

classification 在 LLM 基础设施中的进展

  • Jev 占 OpenRouter 分类请求量 27%，超过 DeepSeek V4 Flash：OpenRouter 公布其请求路由所用的分类模型数据，Jev 承担了 27% 的分类请求量，超过了 DeepSeek V4 Flash，说明轻量分类模型已成为 LLM 网关的关键组件。
  • vLLM Semantic Router 推出 Decision 2.0，单次前向回答多问题：vLLM 生态中的语义路由器更新了决策机制，可在一次前向计算中同时回答多个路由判断，降低分类带来的额外推理开销。

    • 研究侧的 classification 新方法

  • MDTE: Temporal Graphs Node Classification Framework：针对时序图上的节点分类提出新框架，延续了图神经网络方向对动态数据的建模探索。
  • Turning TS2Vec into a Foundation Model for Time Series Classification：将时间序列表征学习工具 TS2Vec 扩展为基础模型，用于时间序列分类任务。
  • Bridging Quantum Computing Paradigms toward Semiconductor Yield: CV vs DV on Wafer-Map Defect Classification：比较连续变量与离散变量两种量子计算范式在晶圆图缺陷分类上的表现，属于工业质检场景的应用研究。

    • 当前焦点与观察点

    目前值得关注的争议点是分类任务的定位变化：随着生成式模型成为主流，分类正在从独立任务转变为 LLM 系统中的"隐形基础设施"，用于意图识别、请求路由和智能体风险分级。arXiv 上的 TrustX Agent Risk 分类框架（https://arxiv.org/abs/2607.09586v1）就代表了对 AI 智能体做风险分级这一新方向。观察点包括：专用分类小模型（如 Jev）与通用大模型在路由场景的份额竞争、分类决策延迟的工程优化，以及时序和图数据上分类基础模型化的可行性。

    Coverage

    10 on file