DeFiRank：联邦成对排序框架提出
热点事件持续更新
DeFiRank：联邦成对排序框架提出
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Zahra Batool 等作者提出 DeFiRank，一个基于联邦学习的成对排序框架，让多家机构在不共享私有交易数据的前提下协同训练排序模型，用于去中心化金融网络的治理。 在真实区块链交易数据集上，该框架的排序性能略低于中心化基线（NDCG@15 约 0.87 对 0.92），但排序稳定性与基线相当（Kendall τ 均约 0.70），并完成了 648 个提供者的提升与 39 个的降级。
AI 根据报道生成 · 4 小时前更新
最新进展10月12日 12:00
DeFiRank：面向去中心化金融网络治理的联邦成对排序框架报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.AIDeFiRank：面向去中心化金融网络治理的联邦成对排序框架
DeFiRank 是一个基于联邦学习的成对排序框架，让多家机构在不共享私有交易数据的前提下协同训练排序模型，用于去中心化金融网络的治理。在真实区块链交易数据集上，其排序性能略低于中心化基线（NDCG@15 约 0.87 对 0.92），但排序稳定性相当（Kendall τ 均约 0.70），并完成 648 个提供者的提升与 39 个的降级。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月12日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。