bevictor伟德官网-FedFree为构建分布式智能系统提供新路径—新闻—科学网

近日，第39届神经信息处置惩罚体系年夜会（NeurIPS 2025）宣布了任命论文，上海电力年夜学副传授杜海舟团队撰写的论文《FedFree: Breaking Knowledge-sharing Barriers through Layer-wise Alignment in Heterogeneous Federated Learning》乐成入选，这也是该团队持续第二年于NeurIPS上发表漫衍式呆板进修范畴研究结果。

异构漫衍式呆板进修中，异构模子练习难以聚合收敛是整个历程的焦点瓶颈问题。现有要领往往依靠代办署理数据或者模子压缩要领，其轻易带来隐私危害与常识通报不完备的问题。

针对于此问题，研究团队提出了新框架FedFree，并经由过程逐层常识对于齐机制，实现跨异构模子的数据无关常识同享。详细而言，FedFree 设计了逆向分层常识迁徙机制与常识增益熵（Knowledge Gain Entropy, KGE）指标，于包管隐私安全的条件下，有用减缓了细粒度常识丢掉问题三木SEO-，实现了跨异构装备的高效常识同享。理论阐发与试验成果注解，FedFree 不仅实现了严酷的收敛性包管，并且于计较机视觉典型数据集上显著优在现有要领，最高精度晋升跨越46%。