arXiv · ML· Yin-Kuan Liang, Yan Gao, Yang Long·· 2026-10-06AI 评分21
去中心化学习中局部拓扑演化对群体扩展与数据稀释的影响:基于 CIFAR-10 的实验研究
Population Scaling or Data Dilution? Dynamics of Local Topology Evolution in Decentralized Learning
AI 导读
在 CIFAR-10 上对比 Ring、Static Random 及 LFHE 拓扑发现,固定名义本地数据集规模能显著缓解客户端数量增加带来的性能损失。 Ring 拓扑的 Metropolis 谱间隙随规模 N 呈 $O(N^{-2})$ 衰减导致高分歧,而 Static Random 与 LFHE 维持接近共识。 去中心化扩展由学习/通信耦合动态主导,单纯客户端数量 N 无法单独解释结果。
来源:arXiv · ML · arxiv.org