DeFiRank：不共享数据的联邦排序框架

研究者提出联邦学习成对排序框架 DeFiRank，目标是让多家机构在不共享私有交易数据的前提下，协同训练去中心化金融网络的排序模型，以替代依赖人工委员会评审的治理方式。 在真实区块链交易数据集上，DeFiRank 的 NDCG@15 约为 0.87，略低于中心化基线的约 0.92；但两者的 Kendall τ 均约为 0.70，排名稳定性相当，并完成了 648 个和 39 个提供商的晋升与降级。该结果为论文报告，中心化基线在精度指标上仍略高。

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。