研究者提出个性化联邦LSA算法PF-LSA

Safwan Labbi等作者提出PF-LSA，一种用于个性化联邦线性随机逼近（LSA）的算法，将各智能体的本地随机更新与全局平均更新混合。作者称，该算法无需预先知道异构程度，即可在所有场景下收敛到各智能体的个性化解；当学习问题足够相似时，可实现随智能体数量增长的线性加速，且相比标准联邦方法不增加额外计算成本。 上述收敛与加速效果均为论文中的主张，尚待独立验证。

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。