محققان در مقاله جدیدی، فریمورک «FedGAMMA» را معرفی کردهاند که به مدلهای بنیادین (Foundation Models) اجازه میدهد بدون نیاز به دسترسی به دادههای خام و با حفظ حریم خصوصی، روی گرافهای چندوجهی پراکنده (مانند شبکههای اجتماعی یا دادههای پزشکی) آموزش ببینند.
این روش با ترکیب «یادگیری چندوجهی» و «یادگیری فدرال»، چالشهای مربوط به ساختار دادهها و تفاوتهای معنایی را با دو مرحله پیشآموزش و تنظیم دقیق (Fine-tuning) حل میکند تا مدلها در محیطهای توزیعشده هوشمندتر عمل کنند. 🌐✨
منبع: arXiv Machine Learning