Federated LLM

新研究提出面向学习的移动网络，以实现高效的LLM联邦学习

一篇新的研究论文提出了一种优化移动网络中大语言模型（LLM）联邦学习的新方法。该论文强调了异构移动设备异步模型更新带来的挑战，这些更新被当前传输网络视为独立流。提出的解决方案涉及使无线接入网（RAN）具备学习感知能力，使其能够将用户设备的异步更新聚合到更少、更可预测的传输中。这种聚合将流量转换为适合高效配置的光传输的格式，将移动接入的灵活性与动态分配的光容量相结合，以支持分布式AI工作负载。