BriefGPT - AI 论文速递 · 2025-05-11T00:00:00Z Empirical Analysis of Asynchronous Federated Learning on Heterogeneous Devices: Efficiency, Fairness, and Privacy Trade-offs 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究分析了异构设备在联邦学习中的效率、公平性和隐私权衡。比较FedAvg和FedAsync后发现，异步方法加速收敛，但增加了高端设备的隐私损失和公平性问题，提示需优化聚合和隐私机制。 🏷️ 标签 公平性 异构设备 收敛 联邦学习 隐私 阅读原文 生成长图 分享链接 已复制链接
