arXiv · cs.AI · Yuhan Xie, Chen Lyu, Jingrong Huang · 7 小时前模型评分30
BESplit：带证据聚合的偏差补偿拆分联邦学习框架
BESplit: Bias-Compensated Split Federated Learning with Evidential Aggregation
导读
研究者提出拆分联邦学习框架 BESplit，用证据聚合（EA，Evidential Aggregation）按证据不确定性对客户端贡献做细粒度重加权，并用偏差补偿协作（BCC，Bias-Compensated Collaboration）对齐拆分层表示、双教师蒸馏（DTD，Dual-Teacher Distillation）同步客户端与服务器模型。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “Based on this insight, we propose BESplit, an architecture-aware framework that exploits the intrinsic structure of SFL to mitigate non-IID effects.”
来源：arXiv · cs.AI · arxiv.org