PFedQFT：医疗大模型个性化联邦微调框架

Qihan Huang 等人提出 PFedQFT，一个面向医疗大语言模型的个性化联邦微调框架。该方法用紧凑共享适配器降低可训练参数和每轮适配器上传量，并通过截断矩阵指数近似与 QR 正交化，从紧凑反对称生成元构造可复用的正交适配基；各客户端只保留轻量私有残差算子，其方向全局学习、系数本地保留。 在七个公开医疗任务和多个 LLM 主干上的实验中，该框架大幅降低可训练参数与每轮上传量，多数任务预测性能具有竞争力。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。