SafeTail是一種旨在優化邊緣計算中尾延遲的高效框架，通過計算冗餘管理實現邊緣服務調度。該框架通過選擇性地在多個邊緣伺服器上複製服務來滿足目標延遲，使用基於獎勵的深度學習框架學習最優放置策略，平衡實現目標延遲與最小化額外資源使用的需要。通過追蹤驅動的模擬，SafeTail在三種不同服務上展示了接近最優的性能，並在多數基線策略上表現更佳。研究還提出了一個實際測試平台，收集了三種不同應用的執行跟蹤，使用這些跟蹤進行模擬，證明了基於獎勵的深度學習框架顯著優化了中值和尾延遲。