Federated Learning (FL)

LLM指导联邦图推荐系统以提高准确性

研究人员开发了一个新的框架，该框架利用大型语言模型（LLM）来增强联邦图推荐系统。该方法通过使用LLM编码的知识来指导过程，解决了在联邦学习中聚合分布式、非IID客户端的结构嵌入的挑战。客户端通过冻结的LLM学习本地图表示并将交互模式总结为语义向量，然后中央服务器利用这些向量发现相关的偏好模式并选择性地聚合结构表示。实验表明，该方法比现有的联邦图基线提高了推荐准确性。