NeurIPS 2025 | 当系统算法遇上机器学习：GUARD开启学习增强缓存新范式

本文介绍了机器学习在系统算法中的应用，特别是学习增强缓存算法的发展。背景方面，机器学习正从传统推荐、分类等任务下沉到系统底层决策，如调度、缓存和负载均衡，但模型预测不准时可能导致系统性能下降甚至崩溃。研究目的旨在解决学习增强缓存算法在鲁棒性和一致性之间的平衡问题，提出GUARD框架，在不损害一致性的前提下提升算法鲁棒性，并保持低计算开销。结论显示，GUARD在合成噪声和真实预测器下均表现稳定，实现了预测准确时接近最优、误差大时与传统算法相当的平滑性能，为机器学习增强系统算法提供了可控、可靠的解决方案。