热点事件持续更新
研究人员提出联邦MoE稀疏分配框架S3-MoE
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年11月6日，研究人员在 arXiv 提出面向联邦混合专家模型（MoE）的服务端稀疏分配框架 S3-MoE。该框架通过利用-探索机制从部分观测中为客户端分配特定专家，并提供了精确 Top-K 恢复保证。在 CIFAR-100 数据集上的实验显示，S3-MoE 仅为每个客户端加载 5 个专家，其平均最终准确率相比访问全部 20 个专家的 Full-20 FedAvg 提高了 1.31 个百分点。
AI 根据报道生成 · 3 小时前更新
最新进展11月6日 13:00
研究人员提出 S3-MoE 框架，通过服务端稀疏分配专家提升联邦学习性能。报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv 机器学习面向联邦混合专家模型的服务端稀疏分配
研究人员提出联邦混合专家模型（MoE）服务端稀疏分配框架 $S^3$-MoE，通过利用-探索机制从部分观测中分配客户端特定专家，并给出精确 Top-$K$ 恢复保证。在 CIFAR-100 实验中，$S^3$-MoE 仅为每个客户端加载 5 个专家，平均最终准确率比访问全部 20 个专家的 Full-20 FedAvg 提高 1.31 个百分点。
本事件热度走势
当前热度 9·可比范围峰值 10（11月6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。