RASA框架优化联邦LoRA知识分发
热点事件持续更新
RASA框架优化联邦LoRA知识分发
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年11月19日,arXiv发表新论文,提出RASA框架解决联邦LoRA知识迁移问题。现有联邦LoRA方法因保留主奇异方向导致响应误差无界,且矩阵最优截断与接收方需求不匹配。 RASA框架通过利用对角输入二阶矩执行无中心化PCA,在异构场景下实现高效模型微调。实验显示,该框架在DomainNet-100数据集上将准确率提升3.23个百分点,在SuperNI任务中ROUGE-L指标最高提升8.33。 该研究由Jinqian Chen、Jihua Zhu和Chang Liu完成,具有即插即用特性,支持资源、任务和数据异构场景下的知识转移,无需依赖中心化计算,为联邦学习中的低秩适应知识分发提供了新方案。
AI 根据报道生成 · 12 小时前更新
最新进展11月19日 13:00
联邦学习 LoRA 重分配:提出 RASA 框架优化接收方感知知识迁移报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · ML联邦学习 LoRA 重分配:提出 RASA 框架优化接收方感知知识迁移
现有联邦 LoRA 方法保留主奇异方向导致响应误差无界,本文提出 RASA 框架解决矩阵最优截断与接收方需求不匹配问题。 RASA 利用对角输入二阶矩执行无中心化 PCA,在 DomainNet-100 上将准确率提升 3.23 个百分点,SuperNI 任务 ROUGE-L 最高提升 8.33。 该框架支持资源、任务和数据异构场景下的高效模型微调,具有即插即用特性。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日
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。