PulseAugur
中
实时 07:25:06
English(EN) Thermo-FL: Thermal-Aware Robust Federated Fine-Tuning of Large Language Models for Edge AI

新框架支持在考虑热约束的边缘设备上进行鲁棒的LLM微调

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Thermo-FL，一个用于在边缘设备上进行大型语言模型联邦微调的新框架。该方法通过将热感知纳入训练过程，解决了硬件不稳定和对抗性攻击带来的挑战。Thermo-FL根据设备温度动态调整本地适配器训练和更新传输密度，而鲁棒的服务器端聚合管道TERRA则过滤和验证稀疏更新，以在BoolQ和GSM8K等基准测试中保持模型完整性和性能。 AI

影响 通过解决热和安全挑战，增强了在资源受限的边缘设备上部署和适配大型语言模型的可行性。

排序理由 该集群描述了一篇详细介绍LLM联邦微调新框架的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新框架支持在考虑热约束的边缘设备上进行鲁棒的LLM微调

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Shiva Shrestha, Kazi Shaharair Sharif, Zongxing Xie, Jiajing Huang, Anhao Xiang, Honghui Xu ·

    Thermo-FL：面向边缘AI的大型语言模型的感知热鲁棒联邦微调

    arXiv:2608.21172v1 Announce Type: new Abstract: Federated fine-tuning enables large language models to adapt on edge devices without centralizing private data, but practical deployments must address hardware instability and adversarial update corruption together. Thermally constr…

相关实体

相关话题