跳到正文
arXiv · ML· Yipan Wei, Zhaokun Yan, Ziming Hong, Jiaqi Wu, Lixu Wang·· 2026-10-05AI 评分24

理解联邦世界模型学习中的轨迹异质性

Understanding Trajectory Heterogeneity in Federated World Model Learning

AI 导读

本研究在 MIMIC-IV 数据集上对联邦学习中的跨时间临床预测进行了基准测试。结果显示,仅 7.55%--21.36% 的 32 步窗口在训练中拥有本地完整锚点,且更细的严重程度分区通常伴随更高的 FedAvg 误差。这些发现确立了时间访问、参与覆盖、优化行为和预测范围作为评估联邦临床世界模型的互补维度。

来源:arXiv · ML · arxiv.org