arXiv · ML· Md Anwar Hossen, Nathan R. Tallent, Luanzheng Guo, Ali Jannesary·· 2026-10-21AI 评分28
SCOPE: 用于长尾联邦学习的可扩展免训练语义核心集选择
SCOPE: Scalable Training-Free Semantic Coreset Selection for Long-Tailed Federated Learning
AI 导读
SCOPE 提出一种免训练的联邦学习核心集选择框架,利用冻结的视觉语言模型对样本进行单次评分,无需预热训练且仅单次上传基于类别数量的标量统计。 在 4 个数据集上,SCOPE 选择速度提升 7.7 倍,上传数据减少 293 倍;使用其核心集训练全局模型,能在比全量数据训练少 18%–42% 的全局轮次内达到全量数据 98% 的精度。
来源:arXiv · ML · arxiv.org