arXiv 隐私论文· Hong Lin·· 1 天前AI 评分38
DICE：面向 Web3 预训练模型高效可扩展定制的去中心化激励驱动联邦学习算法
DICE: Decentralized Incentive-driven Federated Learning for Efficient & Scalable Customization of Pretrained Models in Web3
AI 导读
论文提出 BCFL 算法 DICE，用于在 Web3 中为自利且互不信任的参与者定制大型预训练模型。DICE 通过动态渐进学习与模型切片验证，让无法部署完整模型的诚实参与者也能加入定制，并用树状委员会共识协议与效率驱动激励机制解决扩展瓶颈。在视觉与语言预训练模型定制实验上，DICE 展示了效率、有效性与安全性。
来源：arXiv 隐私论文 · arxiv.org