我们提出了一种随机符号可逆布隆查找表（IBLT），用于在解码失败后实现无校准的自适应大小。在两轮集合对齐协议中，接收方利用第一轮失败的表估计未知差集大小上界 $d$，并据此确定第二轮表的大小。传统 IBLT 中，失败选择会将重叠偏差与集合差的符号组成耦合，使得实际尺寸依赖离线仿真校准。通过引入与位置映射无关的共享伪随机符号，消除了这种依赖，同时保持单元字段、字段宽度以及理想的剥离恢复。我们在每个固定映射上证明了完全无偏性；当 $d\gg\sqrt{M}$ 时，失败后呈现高斯极限；在更小尺度下，由重复边对主导的离散极限。这里 $M$ 为单元格数量。这些结果导出一个 Skellam 上界规则，其条件失误率在所有 $d\ge2$ 上均渐近不超过目标风险，无需离线校准。超过 5 亿对解码实验以及端到端协议实验验证了该设计。对于小差异，高斯规则的条件失误率会超出目标约 8 倍；而 Skellam 规则在 189 种负载配置下均在抽样误差范围内满足目标。两轮总通信量接近使用真实 $d$ 的理想方案。固定部署参数下，预计算表查找将尺寸确定时间降低至微秒级，总协议时间仅比高斯规则慢 0.5%。
点评