研究者提出异构秩下基一致的联邦LoRA聚合框架FedAbA

Pengpeng Qiao 等研究者在 arXiv 论文《Align Before Aggregation: Basis-Consistent Federated LoRA under Heterogeneous Ranks》中提出 FedAbA，一个面向异构秩的基一致性联邦 LoRA 聚合框架，论文已被 NeurIPS 2026 接收。 该方法先提取各客户端本地基并对齐全局参考基前缀，再结合客户端数据量与一致性得分加权聚合，最后进行系数空间 SVD 重分解与 gauge fixing 后分发。论文作者称，实验显示 FedAbA 优于代表性联邦 LoRA 基线，且在秩异构性最强时收益最大。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。