一篇新研究论文识别出在利用联邦学习进行Foundation Models个性化时的一个关键问题，称为“沉默失败”。这些失败，包括偏见放大和公平性崩溃，由于限制模型行为可见性的隐私限制而难以检测。当前的基准测试不足，导致系统性能评估与行为评估之间存在差距。该论文提出了一个用于隐私保护评估的研究议程，以解决这些沉默失败问题。 AI
影响 强调了联邦AI中一类新的可信度问题，需要新的评估方法。
排序理由 这是一篇讨论AI模型可信度新问题的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2606.00947v1 Announce Type: cross Abstract: Foundation models are increasingly personalized on decentralized private data through federated learning and are now deployed at scale under growing regulatory requirements for post-market monitoring. We argue that this convergenc…