提出联邦GRPO训练框架Fed-GRPO
热点事件持续更新
提出联邦GRPO训练框架Fed-GRPO
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Pengxin Guo 等作者提出联邦 GRPO 训练框架 Fed-GRPO，让多方在不共享原始数据的前提下协作训练大模型推理能力，并利用 GRPO 训练中自然产生的奖励统计作为无需额外成本的信号。该框架包含信号加权聚合、全局奖励校准和自适应稀疏通信三种机制。 在数学推理任务上，作者称其性能优于所有联邦方法、明显超过 FedAvg 并接近集中式训练水平，同时无损降低通信 32 倍，在紧张带宽预算下支持最高 621 倍压缩且仅有轻微精度下降。上述结果来自作者自述，代码已公开。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
Fed-GRPO：奖励信号驱动的联邦群体相对策略优化报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.AIFed-GRPO：奖励信号驱动的联邦群体相对策略优化
Fed-GRPO 是一个联邦 GRPO 训练框架，无需共享原始数据即可协作训练 LLM 推理能力，并利用 GRPO 训练中天然产生的奖励统计作为零成本信号。它包含信号加权聚合、全局奖励校准和自适应稀疏通信三种机制，在数学推理任务上性能优于所有联邦方法、明显超过 FedAvg 并接近集中式训练水平，同时无损降低通信 32 倍，在紧张带宽预算下支持最高 621 倍压缩且仅有轻微精度下降。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。