FedReason：LLM为联邦学习自动生成聚合规则

Ali Mohammadi Ruzbahani 等作者发布论文 FedReason，提出让大语言模型在联邦学习服务器端动态选择聚合规则：LLM 每十轮被调用一次，在受限沙箱中运行代码分析客户端权重，并提交一段 Python 聚合程序，服务器执行该程序直到下次调用；全程无需服务器端训练。 论文称权重张量始终不出服务器，LLM 只看到代码运行的打印结果，可在 500 张图像的代理集上对少数候选规则评分；当程序输出无效时，服务器回退到标准 FedAvg。作者给出的成本是 60 轮训练平均花费 0.79 美元 API 费用。

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。