研究人员开发了一个名为UMDA的新框架，以提高实时拍卖（RTA）拦截的准确性和效率。UMDA将多目标学习与不确定性建模相结合，在提供流量质量预测的同时，提供可靠的置信度估计。通过应用知识蒸馏，该模型可以在单次前向传播中生成偶然不确定性和认知不确定性，从而在保持预测准确性的同时显著提高推理速度。 AI
影响 引入了一种加速实时系统不确定性估计的方法，有望提高流量过滤和数据完整性的效率。
排序理由 这是一篇详细介绍不确定性建模和蒸馏加速新框架的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2511.05582v2 Announce Type: replace Abstract: Real-Time Auction (RTA) Interception aims to filter out invalid or irrelevant traffic to enhance the integrity and reliability of downstream data. However, two key challenges remain: (i) the need for accurate estimation of traff…