arXiv ID:
2602.08590
arXiv 提交日期: 2026-02-09
SDFed:通过子空间精炼与差异控制解决联邦提示学习中的本地-全局差异问题 / SDFed: Bridging Local Global Discrepancy via Subspace Refinement and Divergence Control in Federated Prompt Learning
1️⃣ 一句话总结
这篇论文提出了一种名为SDFed的新方法,它允许不同设备在保护隐私的联合训练中,根据自身数据特点和计算能力灵活调整学习参数,并通过精巧的设计减少局部优化与全局共享知识之间的冲突,从而在数据分布和设备资源不均的现实场景下,显著提升了视觉-语言大模型的适应效果和鲁棒性。