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。