Tram-FL：单模型循环训练的去中心化联邦学习

日本研究者 Kota Maejima、Takayuki Nishio、Asato Yamazaki 与 Yuko Hara-Azumi 提交论文，提出 Tram-FL 机制：不再让每个客户端各自维护模型副本，而是让单个模型在节点间顺序循环训练，以实现去中心化联邦学习。 该方法针对模型循环中的训练调度问题，同时考虑循环路径与更新迭代分配，并结合量化动量减少循环次数、控制每次传输的通信负载。论文称实验结果（含 non-IID 数据场景）显示，该算法能以更低的通信和计算成本收敛到全局模型。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。