在无线世界中基于模型的联邦学习的作用

RaFFM是一种特殊的联邦学习模型压缩算法，能够动态缩放基于Transformer的基础模型以适应网络边缘的异构资源约束。实验结果表明，RaFFM在资源利用效率上显示出显著优势，并使用较少的资源将基础模型部署到联邦学习中，同时在自然语言处理和计算机视觉领域的各项任务中表现出与传统联邦学习方法相当的性能。