PulseAugur
实时 23:28:55
English(EN) TURBOTEST: Learning When Less is Enough through Early Termination of Internet Speed Tests

TurboTest 使用机器学习将网速测试数据使用量减少 4.4 倍

研究人员开发了 TurboTest,这是一个旨在通过学习何时提前终止网速测试而不牺牲准确性来优化网速测试的新框架。该方法将吞吐量预测与终止决策分离,使用机器学习从部分测量中估算最终速度。在超过一百万次真实世界网速测试中进行评估,TurboTest 在保持准确性的同时,与现有方法相比显示出显著的数据节省。 AI

影响 使用机器学习优化网速测试,可能降低平台和用户的数据传输成本。

排序理由 这是一篇介绍用于优化网速测试的新框架的研究论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

TurboTest 使用机器学习将网速测试数据使用量减少 4.4 倍

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Haarika Manda, Manshi Sagar, Yogesh, Kartikay Singh, Cindy Zhao, Tarun Mangla, Phillipa Gill, Elizabeth Belding, Arpit Gupta ·

    TURBOTEST: Learning When Less is Enough through Early Termination of Internet Speed Tests

    arXiv:2510.21141v2 Announce Type: replace-cross Abstract: Internet speed tests are indispensable for users, ISPs, and policymakers, but their static flooding-based design imposes growing costs: a single high-speed test can transfer hundreds of MB, and collectively, platforms like…