回路声明需要匹配测量，而不只是时延
论文追问的是：哪些网络控制回路可以接纳语义决策引擎，哪些检查必须由控制器保留。像 Jev 这样的语义决策引擎可以返回一个有效答案，却仍然错过网络截止时间、选择一个不可行的动作，或让服务处于未验证状态。只有当完整路径——状态采集、通信、决策等待、控制与观测——满足所请求的结果及其截止时间时，快速回答才有意义。
因此这项审查区分了两件常被读者混为一谈的事。一个论文族可以报告时延，却仍然无法支撑回路声明。支撑需要与所声称预算和边界相匹配的测量。在 139 个被审查的论文族中，50 个声称其引擎适配某个控制回路或时间预算，4 个报告了与所声称预算和边界相匹配的测量。9 个论文族报告了第 95 百分位或更高的时延，4 个报告了截止时间达成情况。这些是不同的分母：报告一个百分位数，并不等于证明截止时间已被满足。
三条轴区分接口、执行路径与检查责任方
该体系化工作沿三条轴对 139 个论文族逐一编码：决策接口、控制与执行路径、检查责任归属。接口被标记为选择（S）、生成（G）、确定性计算（C）或未指明（U），一个论文族可以带有多个字母。检查标签区分观测状态、可行性或相关检查，以及候选覆盖；没有列出责任方的检查类型被记为未解决。
正是这种编码让缺口变得可见。含确定性计算步骤的论文族提出了 50 项回路声明中的 28 项，4 项得到支撑的声明全部来自这一组。不含此类步骤的 72 个论文族提出了其中 22 项声明，无一得到支撑。这 72 个中只有 23 个指明了可行性责任方，2 个指明了覆盖责任方；而在含此类步骤的 67 个论文族中，这两个数字分别是 45 和 11。检查责任归属与负载证据集中在存在确定性计算步骤的地方。
独立编码与明确分母支撑这些计数
证据审查采用独立编码并给出明确分母，论文报告了裁定类别的编码一致性统计。计时端点和执行位置允许多选，而单选行合计为 405 个范围。就计时端点而言，模型返回在一名编码者处出现于 38 个范围、另一名处为 41 个，派发为 2 和 6，网络效应为 11 和 12，服务结果为 23 和 22，其他为 92 和 81，未报告为 251 和 252，不明确为 7 和 5。
同一张表也显示部分底层证据有多稀薄。截止时间达成情况在 7 个范围中被报告、397 个范围未报告，1 个不明确。输入负载在 81 个范围中被报告、324 个未报告。队列或等待在 11 个范围中被报告、394 个未报告。得到支撑的回路声明在 7 个范围中匹配、1 个不匹配、397 个证据不足。这些分母很重要，因为关于文献测量了什么的主张，必须对照被编码的范围数量来读，而不能只对照论文数量。
有界测试显示每个缺口都能翻转准入判定
论文并未止步于证据缺失。它在一个事件模型下运行有界测量，使用四个诊断视角：测量边界、负载摘要、检查位置和稳健性范围。服务编排研究、RAN 研究和论文自身的应用任务成为同一框架的实例，对传输与边缘执行栈施加固定动作干预，只改变决策时延。每项测试测量一个缺口的后果，三项研究在不合并其效应的前提下进行比较。
对于缺失负载证据：一个对每个孤立请求都满足 10 s 预算的决策，一旦决策在实测执行时间之前排队，在 4.992 次到达/秒时对任何请求都不再满足。对于未指明的检查责任归属：一个自己拥有覆盖检查的引擎，对 48 个缺少该检查的合约中的 45 个请求新候选，却只对 120 条不可行路由中的 4 条升级处理。同一个引擎通过了一项覆盖检查，却未通过另一项。这些是在一个事件模型下的有界测试，而非现场部署，论文将它们作为缺口能够翻转判定的演示，而不是对翻转发生频率的估计。
合约、遥测与策略增长时准确率下降
论文还报告了引擎准确率随任务结构增长而变化的情况。合约字段在 4、6、8 个输出字段下测试；遥测单元在 3、7、21、57 个下测试；策略需求在 4、16、64 个下测试。合约字段与遥测单元的面板借用并重新分析了 Edge 和 RAN 研究，策略需求面板则由本文自己完成。误差带显示 95% Wilson 区间。
一项配对填充实验加入 300 个填充 token，并测量相对基线条件的变化。在 16384 token 的服务合约填充下，Jev-1.13.0 的准确率变化为 -2.7 个百分点，95% 区间为 [-5.7, 0.3]，而 Qwen3.5-4B-JSON 为 -30.0 个百分点，区间为 [-35.3, -24.7]。Rule 和 Oracle 的变化为 0.0。在访问策略设置中，无关文本和重复内容以 120 token 加入；Qwen3.5-4B 在重复条件下为 +8.3 个百分点，区间为 [0.8, 15.8]，而 full-rule、cheapest 和 first 基线均为 0.0。填充面板使用配对分层自助法区间，因此这些是配对对比，而非独立组比较。
审查测量的是报告情况，而非引擎是否可用
证据审查测量的是文献报告了什么。一个被编码为缺少匹配计时证据的论文族，仍可能在其声称的回路内正常运行，因此该审查确立的是准入声明缺少支撑，而不是证明这些引擎失效。所测量的后果来自 Edge 和 RAN 源研究以及论文自身的任务；其他作者所调查的网络系统仍未经测试。
有界实验的统计基础也很窄。每个实验只使用一条随机流，其区间来自运行内按输入、场景或时间块的重采样，因此不能描述独立重复之间的变异。由于综合问题与比较族是在检视测量记录之后才形成的，其检验属于探索性，Holm 校正只在每个已声明族内控制误差。访问策略、放置和转发任务是构造出的应用层任务。
回路声明应说明端点、负载与检查责任方
论文的实际产出是一份最低报告记录、一组设计规则和一份研究议程，用于把决策引擎接纳进控制回路，每一项都源自体系化工作或审查中的某个缺口。报告记录直接来自证据最稀薄之处：截止时间达成情况在 405 个范围中仅 7 个被报告，队列或等待仅 11 个，而在 72 个不含确定性计算步骤的论文族中，只有 2 个指明了覆盖责任方。
因此，对于要判断是否把某个引擎接纳进控制回路的读者，论文自身的优先级排序是具体的。先检查声明是否指明了计时端点，因为端点决定决策占用的时间份额。再检查是否报告了负载与排队，因为一个对每个孤立请求都满足 10 s 预算的决策，一旦决策在实测执行时间之前排队，在 4.992 次到达/秒时对任何请求都不再满足。然后检查谁拥有覆盖检查，因为一个拥有该检查的引擎，对 48 个缺少该检查的合约中的 45 个请求新候选，却只对 120 条不可行路由中的 4 条升级处理。三项全部缺失的声明，正是审查发现 22 次、支撑 0 次的情形。
本文引用的文献
SoK: Semantic Decision Engines in Network Control Loops
在 139 个被审查的论文族中，50 个声称其语义决策引擎适配某个控制回路或时间预算，但只有 4 个用匹配测量支撑该声明；不含确定性计算步骤的 72 个论文族提出了其中 22 项声明，无一得到支撑，且只有 2 个指明了覆盖责任方。