محققان در یک پژوهش جدید، رویکردی نوآورانه برای یادگیری مشارکتی و غیرمتمرکز معرفی کردهاند که به «ماشینهای تسلین» اجازه میدهد بدون نیاز به اشتراکگذاری دادههای خام، با یکدیگر همکاری کنند.
🔹 در این روش، هر عامل (Agent) مدل اختصاصی خود را حفظ میکند و تنها از طریق رسیدن به «اجماع»، اطلاعات را با دیگران به اشتراک میگذارد. این پارادایم بهویژه برای محیطهایی که دادهها در مکانهای مختلف پخش شدهاند و حریم خصوصی اولویت اصلی است، بسیار کاربردی و قدرتمند است. این مدل ثابت کرده که حتی در شبکههای پیچیده، دقتی مشابه مدلهای متمرکز ارائه میدهد.
منبع: arXiv Machine Learning