BriefGPT.xyz
大模型
Ask
alpha
关键词
communication and computation costs
搜索结果 - 2
pFedES: 模型异构个性化的联邦学习与特征提取器共享
提出了基于特征提取器共享的异构个性化联邦学习方法 (pFedES),该方法在不同客户端的本地模型中引入小型同质特征提取器,通过迭代学习方法进行训练,实现全局泛化知识和本地个性化知识的交换和共享,其理论上证明了 pFedES 能够在墙时收敛。
→
PDF
8 months ago
EMNLP
可调的软提示是联邦学习中的信使
通过可调整的软提示实现参与者之间的信息交流,以在损失较少的全局模型的基础上保护全局模型,减少联邦学习中的通信和计算成本。
PDF
8 months ago
Prev
Next