麻省理工学院的研究人员创建了一种新技术，将隐私保护的联邦学习速度提高了 81%。这一进步将内存需求显著降低了 80%，使得在普通边缘设备上训练人工智能模型成为可能。该方法有望应用于医疗保健和金融等敏感行业，这些行业对强大的数据安全有着至关重要的要求。 AI
影响 能够更高效、更安全地在边缘设备上训练人工智能模型，有可能扩展人工智能在注重隐私的行业中的应用。
排序理由 关于人工智能训练新方法的学术论文。
在 Mastodon — fosstodon.org 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
MIT researchers have developed a new method that accelerates privacy-preserving federated learning by 81 percent, enabling AI models to train efficiently on everyday edge devices like smartwatches and sensors. The technique reduces memory overhead by 80 percent, potentially trans…