English(EN) Decentralized Rank Scheduling for Energy-Constrained Multi-Task Federated Fine-Tuning in Edge-Assisted IoV Networks

新框架优化面向能源受限车辆的联邦微调

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-05 04:00

研究人员为边缘辅助车联网（IoV）网络中的基础模型联邦微调开发了一个新框架。该方法解决了能源限制、多样化的任务需求和不稳定的网络连接等挑战。该系统将微调分解为基础设施级别的能源预算重新分配和车辆级别的能源受限在线学习，并利用一种名为UCB-DUAL的新型对偶对偶老虎机算法。 AI

影响引入了一种新颖的方法来优化面向能源受限车辆网络的联邦微调，有可能提高边缘人工智能应用的效率和准确性。

排序理由这是一篇发表在arXiv上的研究论文，详细介绍了一种新颖的联邦微调框架。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Bokeng Zheng, Jianqiang Zhong, Jiayi Liu, Lei Xue, Xu Chen, Xiaoxi Zhang · 2026-05-05 04:00

Decentralized Rank Scheduling for Energy-Constrained Multi-Task Federated Fine-Tuning in Edge-Assisted IoV Networks

arXiv:2508.09532v3 Announce Type: replace Abstract: Large-scale Internet of Vehicles (IoV) deployments increasingly demand the on-device adaptation of foundation models to support diverse, mission-critical perception tasks. While federated fine-tuning offers a promising solution …