研究者提出时间受限联邦学习优化框架TALLOP

2026年10月19日，研究人员在 arXiv 提出面向时间受限联邦学习的联合优化方案 TALLOP。该方案旨在每轮时间预算内，协同优化本地训练工作负载与通信压缩。在实现机制上，TALLOP 利用 LENS 预测不同计算预算下的训练损失，并通过 CLEN 模型评估通信压缩导致的性能退化，以此选取使压缩后损失最小的资源分配方案。异构环境实验表明，相较于仅优化本地训练或均不优化的基线方法，TALLOP 在达到目标精度所需的时间上表现出具有竞争力或更优的效果。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。