热点事件观察中
研究团队提出大模型联邦持续学习框架FedSEAM
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月27日，研究人员在arXiv发布面向大语言模型的联邦持续学习框架FedSEAM。该框架将任务知识组织为稀疏专家，并在任务与客户端之间进行选择性内容共享。在服务端处理上，FedSEAM采用子空间专家共识合并（SEAM）机制，仅沿一致方向合并参数更新，同时针对路由漂移与合并擦除问题引入了三项保护机制。目前，该方法已在TRACE基准测试中，基于Qwen3-4B和Llama-3.2-3B模型完成了评估与验证。
AI 根据报道生成 · 5 小时前更新
最新进展10月27日 12:00
研究团队提出FedSEAM框架，已在TRACE基准上基于两款模型完成评估。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 机器学习FedSEAM：通过子空间专家共识合并实现大语言模型联邦持续学习
研究人员提出面向大语言模型的联邦持续学习框架 FedSEAM，通过将任务知识组织为稀疏专家并在任务与客户端间选择性共享内容。该框架在服务端利用子空间专家共识合并（SEAM）仅沿一致方向合并更新，并针对路由漂移与合并擦除引入三项保护机制。该方法已在 TRACE 基准上基于 Qwen3-4B 和 Llama-3.2-3B 完成了评估。
本事件热度走势
当前热度 5·可比范围峰值 5（10月28日 11:00）·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。