BriefGPT - AI 论文速递
·
需要时雇佣：基于竞拍的渐进参与者招募的联合学习
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该论文提出了两种联邦学习游戏模型，分别为COFL和CAFL。通过算法达到Nash平衡解决方案。COFL中存在free-riding现象，而CAFL模型可以缓解此现象。
🎯
关键要点
- 提出了一个新的分析框架来激励参与者中心的联邦学习。
- 提出了两种游戏模型：贡献无关的FL（COFL）和贡献感知的FL（CAFL）。
- 讨论了Nash平衡的独特性和存在性。
- 设计了有效的算法来达到Nash平衡解决方案。
- 性能评估表明COFL中存在free-riding现象。
- CAFL模型通过优化的最小阈值可以大大缓解free-riding现象。
🏷️
标签
➡️
