标签:联邦学习

深入解析联邦学习中的辛普森悖论:浙江大学提出应对数据分布挑战的反事实学习新框架FedCFA,优化模型聚合效果

机器之心学术专栏介绍 机器之心AIxiv专栏致力于发布高质量的学术和技术,涵盖全球各大高校与企业的顶级实验室研究成果。自成立以来,该专栏已报道超过2000篇,极大地促进了学术交流与传播。如果您有优秀的工作想要分享,欢迎通过以下邮箱投稿或联系:liyazhou@jiqizhixin.com;zhaoyunfeng@jiqizhixin.com。 浙江大学研究团队及其贡献 浙江大学软件学院硕士生二年级学生江中华,在导师张圣宇研究员的指导下,专注于大小模型端云协同计算的研究。张圣宇是浙江大学平台「百人计划」研究员,其研究方向包括大小模型端云协同计...

IEEE可解释AI体系架构标准P2894正式发布

可解释AI(XAI)作为人工智能的新趋势,旨在揭示AI决策背后的逻辑,提升系统的透明度和可靠性。随着复杂大模型的崛起,可解释性成为AI可持续发展的关键。最近,IEEE发布了可解释AI体系结构标准P2894,旨在开启AI的“黑匣子”。这一标准由包括微众银行、华为、京东等在内的多家企业与机构共同参与制定,旨在提供构建、部署和管理机器学习模型的蓝图,确保AI的透明度和可信度。 标准定义了可解释AI的架构框架,涵盖其描述、应用场景及性能评估方法,促进了不同领域的实践交流。此外,这一标准也是“可信联邦学习”发展的重要里程...