面向低轨卫星星座的资源感知联邦专家混合与自适应剪枝
原文标题：Resource-Aware Federated Mixture-of-Experts with Adaptive Pruning for Onboard Learning in LEO Satellite Constellations
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 COSMIC-FL 框架，用于低轨卫星星座上的高效在轨学习。该框架引入切片式与模块化两种专家混合（MoE）架构，并结合语义类别到专家的映射与三种结构化剪枝策略，使卫星仅训练和通信与本地数据相关的专家路径。在六个图像分类基准上，其通信、计算与能耗较 SOTA 联邦学习方法最多降低 80%，并在 NVIDIA Jetson AGX Orin 上验证了嵌入式部署效率。
- 问题
- 传统联邦学习假设资源充足，不适合算力受限的低轨卫星在轨学习。
- 方法
- 用切片式与模块化 MoE 加语义路由和三种结构化剪枝，只训练通信相关专家路径。
- 结果
- 六个图像分类基准上通信、计算与能耗较 SOTA 最多降低 80%
- 影响
- 让卫星端在轨学习真正可落地，边缘联邦场景可直接借鉴其路由与剪枝策略。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。