通过任务算术知识集成实现多样化设备异构联邦学习

本研究解决了异构设备在联邦学习中知识转移效果差的问题，现有技术未能有效支持不同能力设备间的知识拔取。我们提出的TAKFL框架独立处理各设备的知识蒸馏并结合任务算术知识集成，显著提升了各类设备模型的性能，实验证明其在多个数据集上达到了当前最优结果，具有广泛的应用潜力。