arXiv · ML· Koffka Khan·· 2026-10-08AI 评分24
ORDERS:个性化联邦学习中范数排序聚合的实证研究
ORDERS: An Empirical Study of Norm-Rank Aggregation for Personalized Federated Learning
AI 导读
ORDERS 框架在 CIFAR-10 数据集上实现 80.51% 平均客户端准确率,略优于 FedPer-R1 的 79.02%。 该方案结合共享骨干网络与私有残差适配器,使用基于更新范数的几何权重,在 Sent140 数据集上准确率为 74.71%,参数传输节省 5.47% 至 0.78%。
来源:arXiv · ML · arxiv.org