在任何真实系统中，新的计算数据首先存在于处理器中，而非外部存储器，因此并不一定会遭遇冷缓存未命中。这一点在早期的I/O模型中有所体现，但并未被作为竞争分析基础的Sleator-Tarjan模型所捕捉。
如果对Sleator-Tarjan模型进行修正，即对新计算数据的首次访问不收取成本，最优的离线算法如LFD仍然保持最优，但没有任何在线分页算法能够具备竞争性，即使是随机算法，甚至在任意资源增强的情况下，也无法针对未经过特殊设计的请求序列表现出竞争性，这些请求序列应当代表广泛使用的计算技术。
相关证明简单且对于任何合理的假设/模型调整都表现出强健性，包括几乎所有旨在使竞争分析不那么悲观的工具。换句话说，尽管竞争分析确实预测了在线分页算法（如LRU）在实践中表现出的良好性能，但这些预测似乎只是几十年前进入基础模型的一种错误假设的偶然产物。这一问题不仅限于分页，对理想缓存模型（Cache-Oblivious和Cache-Adaptive算法框架基于的模型）也有影响。
博主点评： 该研究深入探讨了在线分页算法的理论基础，揭示了模型假设的潜在缺陷。虽然传统的竞争分析在实践中常常能有效指导算法设计，但其理论依据的脆弱性提示我们在算法研究中应更加谨慎，特别是在面对新兴计算技术时。