BriefGPT - AI 论文速递 · 2023-10-26T00:00:00Z FedPEAT：移动边缘计算中的联邦学习、参数高效微调和仿真器辅助调整在人工智能基础模型上的融合 💡 原文中文，约500字，阅读约需2分钟。 📝 内容提要 本文介绍了FedDAT框架，用于异构多模态联邦学习的调优。该框架利用Dual-Adapter Teacher处理数据异质性，通过MKD实现高效的知识传递。实验结果表明，FedDAT优于现有的集中PEFT方法。 🏷️ 标签 Dual-Adapter Teacher FedDAT MKD 人工智能 仿真器 异构多模态联邦学习 微调 数据异质性 移动 联邦学习 阅读原文 生成长图 分享链接 已复制链接
