CovFedAvg：无需集中校准的联邦模型选择
热点事件持续更新
CovFedAvg：无需集中校准的联邦模型选择
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Federico Lucchetti 与 Marcus Völp 提交论文，提出联邦模型选择方法 CovFedAvg：客户端各自保留本地模型和曲线控制，通过聚合梯度贡献拟合一个共同端点，再用分布式训练损失选出实际候选模型，整个过程不需要集中校准样本，客户端之间也不交换数据。 该方法研究的问题是：冗余模型能否沿本地低损失路径走向一个兼容的共享模型。论文称，按此设计可在不集中数据的前提下完成模型选择。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 12:00
CovFedAvg：本地低损失曲线与联邦模型选择报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AICovFedAvg：本地低损失曲线与联邦模型选择
CovFedAvg 提出一种联邦模型选择方法：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，并用分布式训练损失选出实际候选模型，无需集中校准样本或客户端间交换数据。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月31日 22:00
- 近 24 小时变化
- –
02468
22:0023:0011月1日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。