热点事件持续更新
研究者提出联邦遗忘客户端选择框架PDF
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
针对联邦遗忘（FU），研究人员提出了路径依赖客户端选择框架 PDF。该框架通过筛选高信息量且弱耦合的 top-k 保留客户端来完成高效重训。实验结果显示，PDF 在非 IID CIFAR-10 数据集上实现了 0% 的遗忘准确率，在 CIFAR-100 数据集上相比最强基线将保留准确率最高提升了 6.91 个百分点。此外，相较于从头重训，该方法将通信开销减少约 69%，同时将计算量降低了 57% 至 61%。
AI 根据报道生成 · 8 小时前更新
最新进展10月26日 12:00
研究人员提出联邦遗忘框架PDF，大幅削减重训开销并提高保留准确率。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 机器学习并非所有保留客户端都同等重要：面向联邦遗忘的客户端选择
针对联邦遗忘（FU），研究人员提出路径依赖客户端选择框架 PDF，通过筛选高信息量且弱耦合的 top-k 保留客户端完成高效重训。实验表明，PDF 在非 IID CIFAR-10 上实现 0% 遗忘准确率，在 CIFAR-100 上将保留准确率相比最强基线提升最高 6.91 个百分点。相较于从头重训，该方法将通信开销减少约 69%，计算量降低 57%–61%。
本事件热度走势
当前热度 8·可比范围峰值 10（10月26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。