محققان به تازگی چارچوب جدیدی برای «یادگیری فدرال» (Federated Learning) معرفی کردهاند که چالشهای بزرگی مثل نویز دادهها و نقض حریم خصوصی را هدف قرار داده است.
این روش با استفاده از یک ماژول کاهش ابعاد سبک و تنظیمکننده هوشمند برای clipping گرادیانها، به مدلها کمک میکند تا در شرایط غیرمتمرکز، پایداری بسیار بیشتری داشته باشند و با دادههای ناهمگون (Non-IID) هم به خوبی کار کنند. این دستاورد گام بزرگی برای آموزش مدلهای ایمنتر بدون نیاز به انتقال دادههای حساس است. 🔒💡
منبع: arXiv AI
