arXiv · cs.AI· Quan Minh Nguyen·· 16 小时前AI 评分20
FedFiOT：基于 Fisher 加权最优传输的单轮与少轮联邦学习模型合并方法
FedFiOT: Fisher-Weighted Optimal Transport for Model Merging in One-Shot and Few-Round Federated Learning
来源与原文
arXiv · cs.AI
作者：Quan Minh Nguyen
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.06783v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
FedFiOT 是一个面向 one-shot 与 few-round 联邦学习的 Fisher 加权最优传输框架，利用 Fisher 信息量化参数重要性，引导神经元对齐与模型聚合，并通过交替最小化共享目标函数联合优化神经元对应关系和全局模型参数。理论上该方法单调递减逐层合并目标并给出平稳性界；多数据集实验显示其在 one-shot 与 few-round 场景中均持续优于竞争基线。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。