arXiv · cs.AI· Ting Xu·· 2 天前AI 评分22
Fed-Universe：语义-几何-拓扑-人工（S-G-T-H）四层架构实现联邦系统中的协商式对齐
Fed-Universe: A Semantic-Geometric-Topological-Human (S-G-T-H) Stack for Negotiated Alignment in Federated Systems
来源与原文
arXiv · cs.AI
作者：Ting Xu
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/2610.34009v1
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
研究者提出 Fed-Universe，一种语义-几何-拓扑-人工（S-G-T-H）架构，将联邦学习中被动的全局平均转为主动协商式对齐。其 S 层用边缘 LLM 转换异构输入，G 层以余弦相似度门控保留少数站点更新，T 层通过敏感度 knee point（lambda_k）做多目标聚合。在双国临床网络仿真中，数据量不足 3% 的少数节点实现效用持平（loss 从 0.857 降至 0.340）。
来源：arXiv · cs.AI · arxiv.org