用于机器学习任务的计算服务优化方法

本发明公开了用于机器学习任务的计算服务优化方法，具体涉及分布式计算技术领域，通过采集训练终端的多维行为数据，构建原始数据集合，生成延迟偏移指数与训练偏离指数，判断是否触发扰动等级评估流程，并输入影响评估模型生成多级扰动等级，依据等级结果执行插值补偿、恢复重连或任务优先级调整等匹配行为，实现对上传失败或训练异常的精准识别与动态响应，提升模型聚合的稳定性与计算服务的适应性；本发明通过构建双指数评估机制，实现对上传与训练扰动的前置识别，结合多级响应策略提升模型聚合稳定性，并依据行为时序特征动态选择评估模型，兼顾评估精度与执行效率，增强了计算服务在复杂终端机器学习任务环境下的适应性与鲁棒性。