EdgeDRM去中心化联邦学习推理路由框架发布
热点事件持续更新
EdgeDRM去中心化联邦学习推理路由框架发布
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月19日，Yuheng Ma、Chendi Wang和Qiong Zhang在arXiv cs.LG领域发表论文，提出EdgeDRM框架，用于去中心化联邦学习中的推理时协同路由。 该框架属于预算受限的本地专家转介系统，通过密度路由势学习邻居间比较，实现去中心化推理协同，仅依赖局部信息完成预测聚合，无需中心路由器。 实验表明，EdgeDRM在基准测试及医疗数据上表现优于现有去中心化基线方法，尤其在稀疏连接网络中优势显著。
AI 根据报道生成 · 2 小时前更新
最新进展10月20日 12:00
去中心化联邦学习中基于 EdgeDRM 的推理时协同路由报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · ML去中心化联邦学习中基于 EdgeDRM 的推理时协同路由
EdgeDRM 提出了一种预算受限的本地专家转介框架，通过图约束路由实现去中心化推理协同。 该模型利用密度路由势学习邻居间比较，仅依赖局部信息进行预测聚合，无需中心路由器。 实验显示 EdgeDRM 在基准及医疗数据上优于去中心化基线，稀疏连接下优势显著。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 810月20日 18:00
- 近 24 小时变化
- –
02.557.510
18:0019:0020:00
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。