محققان در یک پژوهش جدید، فریمورک نوآورانهای به نام «MLLM-LLaVA-FL» را معرفی کردهاند که دنیای یادگیری فدرال (Federated Learning) را با قدرت مدلهای زبانی چندوجهی (MLLM) پیوند میدهد.
چالش اصلی در یادگیری فدرال، معمولاً ناهمگونی دادهها در دستگاههای مختلف است؛ اما این راهکار جدید با استفاده از مدلهایی مثل LLaVA در سمت سرور، نه تنها دقت مدل را افزایش میدهد، بلکه به دلیل عدم نیاز به انتقال دادههای حساس، امنیت و حریم خصوصی کاربران را نیز به شکل چشمگیری حفظ میکند.
این نوآوری راه را برای استفاده بهینه از منابع محاسباتی ابری بدون کاهش عملکرد مدل در دیوایسهای محلی هموارتر میکند. 💡
منبع: arXiv AI