跳到正文
热点事件持续更新

SeFoRA解决联邦学习异构秩聚合难题

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

研究人员Yue Xia等人提出SeFoRA算法,专为解决联邦学习中异构客户端的LoRA秩不一致问题。 该算法采用草图聚合策略,各客户端仅传输本地更新ΔW的线性草图,使联邦端能够直接进行聚合,从而克服了维度不兼容及双线性失配的技术瓶颈。 理论分析证明该方法的收敛速率为O(T^-1/2)。实验表明,SeFoRA在语言与视觉模型的测试中,性能优于现有的同类技术。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月22日
  1. arXiv · ML
    SeFoRA:解决异构客户端秩问题的草图聚合联邦低秩适配方法

    SeFoRA 是一种草图聚合联邦 LoRA 算法,解决客户端 LoRA 秩不同导致的维度不兼容及双线性失配问题。 每个客户端传输本地更新 $\Delta \mathbf{W}$ 的线性草图供联邦端直接聚合,理论证明收敛速率为 $\mathcal{O}(T^{-1/2})$。 该方法在语言与视觉模型实验中对现有技术表现出性能优势。

本事件热度走势

可比范围当前
7
可比范围峰值
910月22日 17:00
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。