类共享预测残差校正学习方法、系统、设备及存储介质
本发明提供了类共享预测残差校正学习方法、系统、设备及存储介质,该方法包括:对MCP工具进行分类派发并筛选进入TTL学习流水线的目标工具类别;采集四族运行时特征;以工具类别为单位训练类共享GBDT主干模型输出分位数分布;对高频工具训练个体化残差GBDT子模型进行偏差校正;通过相邻真实调用对比、ε‑探针、上游反事实及拒绝回补四种方式持续派生训练标签并闭环更新模型;在缓存命中前根据分位数分布与Agent敏感度联合决策TTL。本发明实现了条目级动态TTL预测,兼顾高命中率与低错命中率,推理开销可忽略且具备冷启动平滑过渡能力。