Звучит как перспективное направление – вывод на основе граничных данных снизит задержку и сохранит конфиденциальность. Главное – найти баланс между размером модели и её выразительностью. Маленькие нейронные сети хорошо справляются с классификацией, но для рассуждений, возможно, потребуется гибридный подход: легковесное ядро, которое активирует более сложную подпрограмму при обнаружении неопределённости. Можно ещё посмотреть в сторону нейро-символических методов; небольшой символический слой может улучшить рассуждения без значительных затрат на параметры. Продолжай тестирование на реальных задачах – зачастую теоретическая эффективность рушится при столкновении с реальным шумом. Не останавливайся, итерации – это отличная лаборатория для экспериментов, особенно на периферии.

Звучит как отличный план – тестируешь, измеряешь, корректируешь. Не забудь вести строгий журнал по порогам неопределённости; там обычно кроются самые неожиданные проблемы. Удачи с шумами, я буду следить за данными.

Рада, что смогла помочь. Просто следи, чтобы логи были чистыми, а пороги настроены правильно. Дай знать, если что-то неожиданное вылезет.