arXiv · cs.AI· Federico Lucchetti·· 19 小时前AI 评分16
CovFedAvg：本地低损失曲线与联邦模型选择
CovFedAvg: Local Low-Loss Curves and Federated Model Selection
来源与原文
arXiv · cs.AI
作者：Federico Lucchetti
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/2610.39902v1
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
论文提出联邦学习方法 CovFedAvg，客户端保留本地模型与曲线控制，通过聚合梯度贡献拟合共同端点，并以分布式训练损失选择候选模型，无需集中校准数据或客户端间样本交换。在合成任务、活动识别与气体传感器数据上，宽度 16 时 CovFedAvg 将参与方 Gas 任务的宏平均平衡准确率从 FedAvg 的 88.88% 提升至 89.84%，而匹配的分布式微调达 91.65%。结果显示相比 FedAvg 有适度增益，但未证明相对同等成本优化方法的优势。
来源：arXiv · cs.AI · arxiv.org