arXiv ID:
2602.09520
arXiv 提交日期: 2026-02-10
联邦学习中的拉什莫尔集合与模型多样性 / Rashomon Sets and Model Multiplicity in Federated Learning
1️⃣ 一句话总结
这篇论文首次将‘拉什莫尔集合’(即性能相近但决策边界不同的模型集合)的概念引入联邦学习,提出了三种新的定义方法,帮助不同用户在不共享数据的情况下,选择更符合自身需求、更公平的模型,而不是盲目采用单一‘最佳’模型。