arXiv ID:
2604.20031
arXiv 提交日期: 2026-04-21
面向异构目标与约束的决策导向联邦学习 / Decision-Focused Federated Learning Under Heterogeneous Objectives and Constraints
1️⃣ 一句话总结
本文提出一种决策导向联邦学习框架,允许各参与方在共享预测模型的同时拥有不同的优化目标和可行域约束,通过分析异构性导致的性能损失并定义联邦决策收益条件,实验表明即使在优化问题差异明显时,直接结合联邦平均和SPO+方法仍能取得良好效果。