本研究提出选择性注意联邦学习（SAFL）方法，旨在解决医疗应用中的通信开销和模型隐私问题。SAFL通过动态微调重要变换层，降低通信带宽并增强隐私保护。实验结果表明，SAFL在临床自然语言处理基准测试中表现优越，提升了效率并维护了隐私。

哈佛华人研究员Jeffrey Wang正式加入OpenAI，负责模型预训练和推理。他曾获美国“少年诺贝尔奖”提名，教授机器学习，并研究模型隐私和偏见问题。此外，他还是一位广受关注的作家。