LEAF-FEMNIST

RegionFed框架通过梯度级联邦学习增强个性化查询理解

研究人员开发了RegionFed，一个新颖的联邦学习框架，旨在改善异构零售环境中个性化查询的理解。与先前在现代Transformer模型上表现不佳的个性化FL方法不同，RegionFed在梯度级别运行，使其具有架构鲁棒性，并兼容T5和RoBERTa等模型。该框架利用区域和全局梯度之间的冲突来诊断异构性、调整个性化策略并控制个性化强度，从而实现了显著的性能提升和差分隐私。