网络边缘基础模型的多租户拆分联邦学习激励

本研究针对现有单租户拆分联邦学习（SFL）在多租户环境中的不足，提出了一个新的价格激励机制（PRINCE），旨在有效协调多个自利的本地设备参与各种下游任务。通过建立一种偏差弹性全局SFL模型聚合方案和严格的收敛界限，PRINCE能加速基础模型的微调性能，提高多达3.07倍，同时满足各租户的微调需求。