Hao Li等提出MiFedADMM算法加速联邦学习

2026年10月20日，研究人员Hao Li等在arXiv机器学习版块发布论文，提出一种名为MiFedADMM的多步惯性ADMM算法，旨在解决联邦学习中分布式模型训练收敛速度较慢的问题。 该算法的核心创新在于利用服务器端多个历史迭代值构造高阶外推，从而提升收敛效率。理论分析表明，其单步变体在温和假设条件下能够实现O(1/K)的收敛率，为联邦学习优化提供了新的算法路径。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。