跳到正文
热点事件持续更新

ATONE联邦车联网卸载方法发布

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

2026年10月19日，arXiv发布论文《ATONE：联邦车联网中基于操作症状的卸载方法》。该研究提出一种将卸载机制整合入联邦学习聚合规则的新方法，通过近期全局增量将驾驶错误投影至子空间，并在单次反向传播中为所有贡献评分。 在三个驾驶数据集的测试中，ATONE在9种设置中的8种里比最强基线减少43%至61%的残留危害。同时，其效用与完全重训练相比，差距控制在0.36分以内，展示了该方法在降低风险与保持性能平衡上的有效性。

AI 根据报道生成 · 7 小时前更新

最新进展10月19日 12:00
ATONE：联邦车联网中基于操作症状的卸载方法

报道时间线

沿着报道，了解事件的不同侧面。

10月19日
  1. arXiv · ML
    ATONE：联邦车联网中基于操作症状的卸载方法

    ATONE方法将卸载整合入联邦学习聚合规则，通过近期全局增量将驾驶错误投影至子空间，并在单次反向传播中为所有贡献评分。 在三个驾驶数据集测试中，ATONE在9种设置中的8种里比最强基线减少43%至61%的残留危害，且效用与完全重训练相比差距在0.36分以内。

本事件热度走势

可比范围当前
8
可比范围峰值
1010月19日 13:00
近 24 小时变化
–

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。