实体 Fed-GRPO

Fed-GRPO

PulseAugur coverage of Fed-GRPO — every cluster mentioning Fed-GRPO across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_289258 · Oct 9 · 04:00

Fed-GRPO 实现隐私保护的联邦大语言模型训练

研究人员推出了一种新颖的联邦学习框架 Fed-GRPO，用于在不损害数据隐私的情况下，利用强化学习训练大语言模型（LLMs）。该方法利用训练过程中生成的奖励信号作为通信高效信号，来指导聚合和本地训练过程。实验表明，Fed-GRPO 显著降低了通信开销，并在数学推理任务上接近集中式训练的性能。