实体
Fedia
Fedia
PulseAugur coverage of Fedia — every cluster mentioning Fedia across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
FedIA框架通过实例感知学习增强视觉语言模型
研究人员开发了FedIA，一个新颖的联邦提示学习（FPL）框架，旨在增强视觉语言模型在去中心化客户端上的适应性。与之前将统一提示应用于客户端内所有样本的方法不同，FedIA在实例级别上实现了个性化学习。该方法使用全局文本提示作为语义锚点来识别相关的图像块，然后生成实例感知的局部文本表示。一个自适应融合模块进一步校准了每个特定图像-类别对的全局和局部知识之间的平衡，从而在各种具有挑战性的环境中显著提高了准确性。
-
寻求符合伦理的AI开发：强调训练数据问题
用户在询问是否存在更符合伦理的AI模型，特别是那些使用尊重版权和合理使用原则的数据集进行训练的模型，例如公共领域或知识共享许可的数据。他们担心当前AI行业的训练方法具有剥削性且不道德。该问题旨在找出任何致力于以更合法、更负责任的方式开发AI的努力或个人。
-
FedIA 提升了联邦图学习在跨域的鲁棒性
研究人员开发了 FedIA，一种新颖的聚合方法，旨在提高联邦图学习（FGL）在不同域之间的鲁棒性。该方法解决了 FGL 中客户端更新在服务器聚合过程中可能分散和稀释重要信号的关键问题，尤其是在社交网络等图结构数据中。FedIA 采用重要性掩码来识别和保留共享的高幅度坐标支持，以及贡献感知动量加权来平衡此支持内的客户端贡献，所有这些操作都无需共享原始图数据。