★ 3
arXiv 提出车联网联邦学习症状驱动遗忘方法
论文针对联邦学习下故障贡献只在道路症状中延迟暴露的问题，提出 ATONE 方法，把遗忘作为聚合规则的一项，通过投影日常驾驶误差与上报症状、单次反向传播打分所有贡献。三个驾驶数据集上，其残留危害比最强基线低 43%–61%，效用距全量重训仅 0.36 分。
arXiv cs.LG13 天前
#联邦学习
共 51 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
FedAlphaEdit：零空间对齐的联邦知识编辑
论文指出将零空间约束编辑（如 AlphaEdit）与协作框架（如 CollabEdit）简单结合会结构性失效，并提出 FedAlphaEdit——首个在单一零空间原则下同时对齐本地编辑与服务器端合并规则的协作知识编辑框架。客户端仅共享投影统计量，服务器可证明地恢复集中式编辑结果，在两类架构上使编辑…
arXiv NLP23 天前
★ 3
FIDAL：分布偏移下的多样性感知联邦主动学习
论文提出 FIDAL，一种开放集联邦主动学习框架，结合校准的全局-局部证据不确定性、支持集多样性加权和自适应 OOD 拒绝。拒绝门控使用 Otsu 准则对基础模型高斯覆盖信号进行阈值化，无需手工调参。在三个多中心医学影像基准上，FIDAL 比基于检测器的开放集方法高出约 12 个百分点，并节省 7…
arXiv cs.LG33 天前
★ 3
FedeRage：客户端漂移下的无分布假设联邦学习
论文刻画了参与概率完全未知时 FedAvg 实际求解的优化问题，并据此提出 FedeRage，将条件风险价值（CVaR）嵌入本地目标，形成分布鲁棒优化框架。该方法隐式提升高损失与低参与频率客户端的权重，每客户端仅增加一个标量，在凸与非光滑损失下取得 O(κ/√T) 收敛率，在三个异构基准上于准确率…
arXiv cs.LG41 天前
★ 3
FedFIbOS：基于 Fisher 重要性的异构联邦学习最优子建模
异构联邦学习中客户端训练容量受限的子模型，现有方法多凭参数幅值等启发式准则选择参数，缺乏收敛性理论支撑。论文提出 FedFIbOS，基于最小化子模型掩码误差推导出 Fisher 信息准则，并证明在 Fisher 主导排序条件下原始 Fisher top-k 规则可解该代理问题。在 CIFAR-10…
arXiv cs.LG44 天前
★ 3
通信高效的联邦LoRA微调自适应相位切换方法
论文测量了双向B-only联邦LoRA协议的每轮通信字节，提出自适应相位切换聚合器ReverseAdaptive，通过监控全局训练损失相对改进来定位通信-质量前沿的拐点。在TinyLlama-1.1B-Chat上实现40.5%往返通信节省，且阈值可跨模型规模迁移。
arXiv cs.LG47 天前
★ 3
面向MoE大模型的任务感知联邦微调
针对MoE大模型在异构客户端数据下联邦微调的专家特化弱化与更新冲突问题，论文提出FedTAR方法。该方法用路由输出建立本地更新与任务偏好的关联，通过SVD提取任务坐标，进行簇内与簇间聚合，从而保留专家特化并缓解异构干扰，在四个基准任务上取得最优表现。
arXiv cs.LG47 天前
★ 3
Fed-Equilibrium 框架平衡临床联邦学习公平与效率
联邦学习在多中心临床网络中面临「知识主导」问题，即数据量大的中心压制少数社区节点，将其独特临床模式视为异常。作者提出 Fed-Equilibrium 框架，通过两阶段梯度控制级联实现从简单防御到拓扑均衡的范式升级：第一阶段用余弦相似度漏斗过滤恶意噪声，第二阶段通过识别最优帕累托拐点主动调节贡献。在…
arXiv cs.LG48 天前
★ 3
联邦LLM微调的隐私保护拆分学习新方法
论文针对拆分学习与联邦学习结合下大模型微调的隐私悖论，指出自回归特性使传输激活泄露输入，现有扰动防御失效。提出可学习的混淆-恢复方案，在保护参与者私有数据的同时允许服务器训练可独立部署的模型，实现较强隐私保护且效用与系统开销损失有限。
arXiv cs.LG52 天前
★ 3
基于LT码启发的级联梯度反演攻击联邦学习
论文揭示联邦学习隐私泄露被严重低估，将梯度反演与纠删码理论建立联系，构造出超越已知上界的攻击方法。攻击可从单轮FedSGD中精确恢复批次及每个样本标签，无需真实数据即可验证。被动攻击者在ImageNet批次规模达128时仍能恢复94%-100%。
arXiv cs.LG52 天前
★ 3
治理模型而非仅数据：创意AI中的存储、流通与学习
该文批评联邦学习并非天然隐私保护，因其模型仍由召集方掌控。作者提出创意社区应在存储、流通和学习三个层面掌握主动权，并建议治理模型本身，而不仅是数据集。文章提出四项设计原则，包括贡献时条款清晰、拒绝作为一等状态等。
arXiv cs.AI58 天前
★ 3
研究提出量子联邦学习自洽中点聚合方法，提升稳定性
该研究针对量子联邦学习在异构数据、不可靠通信和量子噪声下的不稳定性，提出了一种自洽中点聚合方法，结合QoS感知客户端加权、圆形参数聚合和有界中点更新控制。实验表明，该方法在医疗和金融数据集上提高了稳定性，降低了波动性，并保持了有竞争力的准确性。
arXiv cs.AI60 天前
★ 2
研究：数据量异构的联邦学习在神经影像任务上表现更优
论文将联邦学习应用于阿尔茨海默病结构 MRI 分类等神经影像任务，本地训练后加密上传参数并在同态加密下聚合。研究发现由一个大站点加多个小站点组成的异构联邦，比各站点数据量相同的同构联邦表现更好，尤其在低数据场景下，且接近集中式训练水平。大站点通常带来更快收敛与更高最终准确率，更利于利用小数据站点，…
arXiv cs.LG2 天前
★ 2
arXiv 提出治理感知联邦学习 GAFL 框架
论文提出 Governance-Aware Federated Learning（GAFL），将独立治理证据核验、时序信任、公平性与解释性评估、异常检测、策略执行与防篡改审计日志结合，客户端上报的治理值需与模型更新绑定并独立重算后才参与聚合。10 方跨孤岛原型在 Adult Income 数据集上…
arXiv cs.AI2 天前
★ 2
arXiv 论文首次系统定义拆分联邦遗忘学习并提出 SURE 方法
论文首次系统形式化拆分联邦遗忘学习（SFU），涵盖客户端级与类别级移除、反事实重训练及分区特定更新约束，并从理论上刻画历史影响传播与遗忘可行性。作者提出 SURE 方法，结合双重重要性估计、选择性参数扰动与重要性引导恢复，在适度额外成本下接近模式匹配重训练效果。
arXiv cs.LG4 天前
★ 2
论文提出联邦遗忘的路径依赖客户端选择框架 PDF
研究指出联邦遗忘中客户端影响力具有路径依赖性，且保留客户端价值并不均等。作者提出 PDF 框架，用轻量历史记录对保留客户端排序，仅用 top-k 客户端少量轮次重训即可实现有效遗忘，通信降低约 69%、计算降低 57%-61%。
arXiv cs.LG6 天前
★ 2
Poly-Ripple 用协作上下文学习实现室内无线电地图估计
arXiv 论文首次将室内无线电地图估计建模为协作上下文学习（ICL）问题，提出 Poly-Ripple 框架。多个客户端用大自回归视觉模型在无参数更新下做 ICL，并采用涟漪序自回归建模与重要性感知聚合。在公开基准上稳定优于代表性 ICL 基线。
arXiv cs.LG6 天前
★ 2
FedGRAG 框架发布：联邦图检索增强生成
研究者提出 Federated GraphRAG（FedGRAG），在多个持有知识图谱的客户端间实现分布式图检索与知识增强生成。框架通过联邦知识路由在不暴露本地图结构的前提下定位相关客户端，并用受控披露的证据构建方法在服务器端重建证据。实验显示其在检索与下游生成任务上均优于基线。
arXiv cs.LG9 天前
★ 2
arXiv 提出客户端感知早退 ViT，用于异构联邦学习
论文研究联邦学习中的本地早退 Vision Transformer 推理，用基于标签熵与浅层置信度的客户端专属阈值替代全局阈值，并按预测熵、置信度、top-2 间隔与退出深度逐输入调整。方法在 CIFAR-10 达 88.70% 准确率并节省 32% 深度，ImageNet-1K top-1 达 …
arXiv cs.LG12 天前
★ 2
SPADE-KD 提出异构环境下点对点个性化蒸馏框架
论文提出 SPADE-KD，一个完全去中心化的模型蒸馏框架，通过自适应蒸馏与效用驱动的对等选择，在模型架构与数据分布均异构的环境下优化个性化而非全局性能。在联邦分类任务上，其损失更低、收敛更快，优于朴素去中心化蒸馏。
arXiv cs.LG12 天前
★ 2
ShadowFPT：影子触发器后门攻击联邦提示微调
论文提出ShadowFPT，针对联邦提示微调（FPT）中冻结骨干网络的安全盲区，通过预训练可学习的影子触发器在表示空间引导目标类别。该方法将攻击成功率从19.81%提升至90.36%，且保持干净准确率，说明仅靠提示更新异常检测的防御不足。
arXiv cs.AI12 天前
★ 2
FederatedBytes 推出去分词器字节级小模型，用于多模态联邦学习
论文提出 FederatedBytes，一个把文本与图像等输入统一视为字节序列的小语言模型，配合线性注意力降低内存与计算开销，从而让联邦学习可承载 NLP 与多模态任务。在多语言亚马逊评论与 ScienceQA 的情感分析实验中，其准确率超过 ByT5 与 LSTM，并显著减少内存与通信开销。
arXiv NLP13 天前
★ 2
贝尔格莱德AI会议聚焦安全、联邦学习与招聘偏见
贝尔格莱德AI会议讨论了AI安全、联邦学习技术以及招聘算法中的偏见问题，汇集研究者与从业者探讨AI伦理与技术挑战。
Hacker News – AI16 天前
★ 2
DeepUnfolding Agent：经典-量子自适应控制API平台
论文提出DeepUnfolding Agent，一个模式驱动的FastAPI平台，将深度展开自适应控制暴露为外部软件服务。框架通过策略注册、诊断适配、控制器工厂、安全守卫等模块分离控制器智能与领域执行，支持经典、量子感知、混合及IBM量子处理路径，并在金融、医疗、基因组等领域验证。
arXiv NLP16 天前
★ 2
Optimal Hydra：面向 LLM 微调的模型异构联邦学习
论文提出 Optimal Hydra，一种面向 LLM 微调的模型异构联邦学习框架，结合全局层选择与客户端特定注意力头选择，依据本地数据分布生成客户端专属子网络 Hydra-nets。研究称这是首个针对 LLM 微调的模型异构联邦学习方法。在三个数据集上显著优于基线方法，同时降低本地资源需求。
arXiv cs.LG16 天前
★ 2
pFedDPO：基于 LoRA 适配器的个性化联邦偏好优化
论文提出 pFedDPO，让每个客户端在共享全局基础模型之上维护小型私有 LoRA 适配器，实现隐私保护下的语言模型对齐。基础模型每轮通过 FedAvg 同步，LoRA 适配器保留本地以捕捉客户端特定偏好。作者证明该分解将 FedDPO 界中的梯度多样性替换为更小的残余异质性。
arXiv cs.LG20 天前
★ 2
HMP-GAE：超图消息传递抵御联邦大模型拜占庭攻击
论文针对联邦大语言模型（FedLLM）训练中的拜占庭攻击，提出超图消息传递图自编码器 HMP-GAE，将低秩模型更新建模为超图节点并利用高阶语义关系识别恶意更新。基于 Qwen-2.5 与 Llama-3.2 的实验显示，全局准确率提升 1.21%，语义熵降低 44.08%，困惑度降低 13.34…
arXiv cs.LG20 天前
★ 2
研究：联邦学习时序Transformer检测车载CAN异常
论文提出一种隐私保护的车载网络异常检测框架，基于时序Transformer CAN编码器与联邦轻量头。该框架通过轻量Transformer编码器学习信号时序演化，捕捉细微的时序与上下文异常，同时联邦学习机制让多车或多ECU协同改进共享模型而不交换原始CAN数据。实验在开源数据集上验证了性能、效率与…
arXiv cs.LG23 天前
★ 2
FedRSPO+：面向决策的异构联邦学习算法
论文提出 FedRSPO+，一个面向决策聚焦学习（DFL）的异构感知联邦学习框架，基于正则化预测-优化代理 RSPO+，通过对决策映射做投影平滑来稳定客户端更新与聚合。作者证明了 RSPO+ 对决策误差与遗憾的上界，并推导出不依赖强凸性的跨客户端异构性界。在背包、最短路与真实能源定价任务上验证了平…
arXiv cs.LG24 天前
★ 2
抗对抗攻击的联邦Q学习
论文研究多智能体通过中心服务器协作学习最优状态-动作价值函数的联邦强化学习，探讨部分智能体对抗性传输损坏信息时能否保留协作的样本效率优势。作者提出Robust Async-Fed-Q算法，结合方差缩减的Bellman最优算子估计与鲁棒聚合，给出高概率有限时间保证与信息论下界，首次实现近乎匹配的上下…
arXiv cs.LG25 天前