VX-One 多任务校准决策头在实时边界分流中的实证表现与失效边界

该论文提出 VX-One，一种参数量在 10 万至 1000 万之间的小型多头网络，旨在解决边界分流中延迟与语义的权衡问题。其核心输出为经过温度校准（~0.7-1.7 ms p50）的原始决策原语，包括二值门控、包含显式未知选项的闭集选择及序数评分，而非直接生成自然语言或不可解析的输出。实验在 UNSW-NB15、CIC-IDS2017 和 EMBER2024 数据集上对比了校准后的 XGBoost、随机森林、MLP、Kitsune 等模型。

关键发现显示，VX-One 在 UNSW-NB15 及 CIC-IDS2017 的时间漂移场景下检测性能优于基线（AUROC 0.711 vs 0.637），且 Leave-one-family-out 门控在 9/9 个 UNSW 折叠中能检测从未见过的攻击家族。然而，XGBoost 在所有三个基准测试的多类归因任务上均胜出。更值得注意的是，当流量从签名引擎（如 Suricata）进入 VX-One 时，无载荷重构仅能解决约 0.1% 的流，意味着 99.9% 的流量处于灰区，需依赖第二阶段联合召回率（>=0.978）。

最关键的失效证据在于校准鲁棒性：所有方法在时间漂移下校准度（ECE）均发生崩塌，从 0.04 飙升至 0.40，尽管排序能力部分幸存。此外， abstention 阈值在不同基准间迁移性差，且在 CIC 重构家族上甚至低于随机猜测水平。这表明虽然小参数模型能提供结构化决策，但在面对真实世界的分布漂移时，其置信度校准机制极易失效，不能简单视为可信赖的自动化分流组件。事实基于五天的 CIC-IDS2017 实测数据；推断指向当前生成式决策头在动态环境中的可靠性局限；猜测涉及未来是否需要引入在线重校准机制以维持灰区流量处理的有效性。