提出CIR连续检查风险调度系统

2026年10月14日，arXiv Artificial Intelligence发布研究，Akriti Bhat等作者提出并评估连续检查风险（CIR）系统，一种事件驱动的检查调度流程，随新数据到达动态重排检查队列。该系统用衰减加权历史评分结合语言模型分类的实时消费者评论信号，并设时间分区规则排除最近一次检查之前的评论。研究在加利福尼亚州圣克拉拉县2024至2026年的9,505次常规检查上评估CIR，设定30%的检查预算。结果显示，纳入检查后评论信号大幅提升表现，在8次虫害关闭中预测出7次，平均提前117天，其中4次在评论发布当天触发；引入评论佐证规则后，精确率从0.70提升至0.78，召回率未下降。目前进展限于该研究给出的评估结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。