Eklund发布联邦非配对多模态学习框架

Anders Eklund 于 2026 年 11 月 2 日在 arXiv 发布论文《Federated learning for unpaired multimodal data》，提出一种用于联邦非配对多模态数据的全局多模态 Transformer 训练框架。该框架利用公共锚点和中心核方法对齐各节点分离的私有流形，并配合子空间稳定微调与精度加权平均处理大型模型。 在该框架下，各节点数据严格私有且无共享样本，无需传输私有样本即可实现统一表征学习，为联邦非配对基础模型确立了数学基础，从而在现实联邦环境中有效应对数据非配对、碎片化及模态分离等挑战。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。