FedRSPO+：联邦学习决策聚焦异质性感知框架

Konstantinos Ziliaskopoulos 等作者提交预印本论文，提出 FedRSPO+，一个面向决策聚焦联邦学习的异质性感知框架，建立在正则化“先预测后优化”代理 RSPO+ 之上，通过投影平滑决策映射。 作者称，论文证明了 RSPO+ 对正则化决策及原线性规划（LP）决策的决策误差与 regret 上界，并推导出依赖目标与可行集异质性的跨客户端界限，且无需强凸性假设。该结果目前为预印本，尚未经过同行评审。

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。