BriefGPT - AI 论文速递 · 2025-04-17T00:00:00Z 针对不诚实客户的联邦学习本地数据量感知加权平均 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 本研究提出了一种新的联邦数据量感知加权平均方法(FedDua)，旨在解决不诚实客户因报告不准数据量而导致的模型偏差问题。实验结果显示，FedDua在数据量声明不准确的情况下，全球模型性能平均提升3.17%。 🏷️ 标签 FedDua 性能提升 数据量感知 模型偏差 联邦学习 阅读原文 生成长图 分享链接 已复制链接
