FedRouter 个性化联邦微调方法提出
热点事件持续更新
FedRouter 个性化联邦微调方法提出
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
Gabriel U. Talasso 等作者提出名为 FedRouter 的基于聚类的个性化联邦学习方法，为每个任务而非每个客户端构建专用模型，通过局部与全局两种聚类机制把 adapter 与任务关联，并用评估路由器将测试样本路由到最佳 adapter。 作者称，在多任务数据集的任务干扰场景下该方法相对提升最高 6.1%，在泛化评估中相对提升最高 136%。
AI 根据报道生成 · 50 分钟前更新
最新进展10月9日 12:00
FedRouter：面向任务的语言模型个性化联邦微调报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.AIFedRouter：面向任务的语言模型个性化联邦微调
FedRouter 是一种基于聚类的个性化联邦学习方法，为每个任务而非每个客户端构建专用模型，通过局部与全局两种聚类机制将 adapter 与任务关联，并用评估路由器把测试样本路由到最佳 adapter。在多任务数据集上，该方法在任务干扰场景下相对提升最高 6.1%，在泛化评估中相对提升最高 136%。
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。