具有群组感知提示调整的异构联邦学习
原文中文，约300字，阅读约需1分钟。发表于：。在联邦学习中，我们利用预训练的 Transformer 和高效的提示调整策略，通过引入学习共享和组特定提示的概念，使全局模型能够自动适应各种局部客户数据分布，从而有效地弥合全局和个性化本地模型之间的差距，并超越以往无法适应之前未见客户的其他方法。
FedPrompt是一种结合prompt tuning和联邦学习的新方法，可提高FL方法的效率并保护数据隐私。该方法使用模型拆解聚合的方式，减小了通信成本，同时在IID和Non-IID数据分布上保证准确性，并在实验中证明了其可靠性。
