热点事件持续更新
研究提出面向异构联邦学习的自适应早退ViT
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月20日，研究人员在arXiv发布研究，提出一种面向异构联邦学习的客户端感知安全自适应早退 Vision Transformer（ViT）方法。该方案针对异构联邦学习环境，利用标签熵与浅层退出置信度为各个客户端定制专属的基础阈值，并依据不同输入动态进行微调。同时，在服务端聚合阶段，该方法仅纳入更新了对应参数的客户端参与计算，以适应客户端的异构特征并提升协同效率。
AI 根据报道生成 · 4 小时前更新
最新进展10月20日 12:00
研究人员提出面向异构联邦学习的客户端感知自适应早退ViT方法。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 机器学习面向异构联邦学习的客户端感知安全自适应早退 Vision Transformer
研究人员提出一种面向异构联邦学习的客户端感知自适应早退 Vision Transformer 方法，利用标签熵与浅层退出置信度为各客户端定制基础阈值并按输入动态微调，聚合时仅纳入更新对应参数的客户端。
本事件热度走势
当前热度 9·可比范围峰值 10（10月20日 13:00）·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。