研究人员推出 PFAdapter，一个旨在增强多模态大语言模型 (MLLMs) 个性化联邦学习的新框架。该方法将 LoRA (低秩适配) 参数进行分层分解，将其分离为用于通用多模态语义的全局共享组件和用于边缘特定适配的本地私有组件。通过采用正交正则化和选择性聚合，PFAdapter 在各种数据集和任务上显著降低了近 50% 的通信成本，同时将准确率提高了 2.4% 至 4.8%。 AI
影响 该框架可以在资源受限的边缘环境中实现更高效、更个性化的 AI 代理部署。
排序理由 该集群描述了一篇介绍联邦学习新框架的新研究论文。
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.12111v1 Announce Type: cross Abstract: Agentic AI systems are reshaping communications and networking by deploying autonomous intelligent agents capable of collaborative learning while maintaining data privacy at network edges. Within distributed network environments, …
Agentic AI systems are reshaping communications and networking by deploying autonomous intelligent agents capable of collaborative learning while maintaining data privacy at network edges. Within distributed network environments, Multimodal Large Language Models (MLLMs) serve as …