Lucchetti 与 Völp 提出联邦学习方法 CovFedAvg

Federico Lucchetti 与 Marcus Völp 在 arXiv 发布论文，提出联邦学习方法 CovFedAvg：客户端保留本地模型与曲线控制，通过聚合梯度贡献拟合共同端点，并以分布式训练损失选择模型，无需集中校准样本或客户端间数据交换。 论文对其保证范围作了限定：模型选择的精确保证只是不高于上一模型与当前轮 FedAvg 候选的评估训练损失，并非全局最优性、平稳性、泛化或差分隐私方面的保证。实验结果支持该方法可行且相对 FedAvg 有小幅提升，但未证明相比同等开销的其他优化方法具有曲线特有的优势。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。