Muhammad Abdullah Sohail

研究发现：联邦平均模型在非独立同分布数据下保留了表征但出现错位

一篇新的研究论文探讨了在非独立同分布（non-IID）客户端数据上训练的联邦平均（FedAvg）模型所出现的性能下降问题。该研究在卷积神经网络（CNN）和ResNet模型上，使用CIFAR-10和Fashion-MNIST数据集进行，发现虽然某些类别的准确率显著下降，但底层学习到的表征通常保持完整，只是与最终预测路径发生错位。研究利用了线性探测（linear probing）和仅微调头部（head-only finetuning）等方…