热点事件持续更新
接收端主导联邦学习长周期基准研究发布
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
2026年11月4日，一项长周期基准研究评估了接收端主导联邦学习在600轮及Qwen3-1.7B LoRA任务中的信任边界。测试表明，基于固定参考的门控误纳了29%的有害迁移，而基于当前模型的门控虽仅误纳2%却遗漏了有效迁移。研究还指出，留出审计机制在600轮时部署了65%至72%的无负收益模型；在38%对抗节点的测试环境下，仅FedFomo与CS-Gate两种机制保持了正平均收益。
AI 根据报道生成 · 10 小时前更新
最新进展11月4日 13:00
长周期基准研究评估了接收端主导联邦学习的信任边界，仅少数机制在对抗环境下保持正收益。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv 机器学习接收端主导联邦学习的信任边界能否长期维持？长周期基准研究
一项长周期基准研究评估了接收端主导联邦学习在 600 轮及 Qwen3-1.7B LoRA 任务中的信任边界。测试表明基于固定参考的门控误纳了 29% 有害迁移，而基于当前模型的门控仅误纳 2% 却遗漏了有效迁移。留出审计机制在 600 轮时部署了 65% 至 72% 的无负收益模型，在 38% 对抗节点下仅 FedFomo 与 CS-Gate 保持正平均收益。
本事件热度走势
当前热度 8·可比范围峰值 10（11月4日 14:00）·近 24 小时可比范围变化–
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。