CovFedAvg：无需集中校准的联邦模型选择
热点事件持续更新
CovFedAvg：无需集中校准的联邦模型选择
1 篇报道1 个报道来源21 小时前更新
先了解这件事
AI 综述
Federico Lucchetti 提出联邦学习模型选择方法 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，再用分布式训练损失选出实际候选模型，无需集中校准样本或客户端间交换数据。 该方法称精确选择可保证评估训练损失不高于上一模型和本轮 FedAvg 候选，但作者明确这不构成全局最优、平稳性、泛化或差分隐私保证；端到端隐私仍需额外机制与分析。
AI 根据报道生成 · 3 小时前更新
最新进展10月29日 20:12
CovFedAvg：本地低损失曲线与联邦模型选择报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv 隐私论文CovFedAvg：本地低损失曲线与联邦模型选择
CovFedAvg 在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，并用分布式训练损失选出实际候选模型，无需集中校准样本或客户端间交换数据。精确选择保证评估训练损失不高于上一模型和本轮 FedAvg 候选，但不构成全局最优、平稳性、泛化或差分隐私保证。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 610月30日 14:00
- 近 24 小时变化
- –
0246
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。