BriefGPT - AI 论文速递
·
基于 Maverick-Aware Shapley 估值的联邦学习中的客户选择
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
联邦学习被视为模型市场，客户既是买家也是卖家，通过模型交易获取经济回报，并通过购买他人的模型提高本地模型性能。通过拍卖解决方案确保适当的定价，并设计激励机制鼓励客户诚实披露模型估值。实验结果表明，该联邦学习市场能够实现高交易收入和公平的下游任务准确性。
🎯
关键要点
- 联邦学习是一种使用本地分布数据进行训练的有效方法。
- 合作过程中共享数据的合理价值评估尚未充分解决。
- 联邦学习被视为模型市场，客户既是买家也是卖家。
- 客户通过模型交易获取经济回报，并提高本地模型性能。
- 提出了一种基于拍卖的解决方案，以确保适当的定价。
- 设计了激励机制以鼓励客户诚实披露模型估值。
- 引入了强化学习框架以实现动态市场状态下的最大交易量。
- 实验结果表明，该联邦学习市场能够实现高交易收入和公平的下游任务准确性。
🏷️
标签
➡️
