知识 vs 经验：边缘承租人 impatient 行为的渐近极限

我们研究了两种信息源——闭形式马尔可夫残余逗留时间估计器和在线训练的演员-评论家——如何影响双M/M/1系统中的撤回和换座行为。从理论上讲，对于不可等服务率且总时间耐心的情况，我们证明总等待时间随线性增长，放弃是不可避免的，随着积压量趋近于无穷大，成功换座的概率趋于零。此外，在满足一定亚线性误差条件下，这两种信息模型都产生相同的渐近极限（鲁棒性）。我们经验上验证了这些极限并量化了有限积压量的差异。我们的发现表明，在实际规模下，学习的和解析性信息源会产生不同的延迟、撤回率和瞬时换座行为，但在渐近意义下收敛到相同的结论，这正是我们的理论所暗示的。结果刻画了价值信息在有限规模（值得关注）和渐近规模（不值得关注）何时 matters，为低成本、知边缘承租人系统的轻量级遥测和决策逻辑设计提供了指导。