FL-MAESTRO: هماهنگی چندعامله LLM برای یادگیری فدرال با منابع محدود
مدلهای زبانی AI 73/100 تحلیل هوشمند
خلاصه خبر واقعیت از منبع
arXiv:2608.20518v1 Announce Type: new Abstract: In Federated Learning (FL), the communication topology is a runtime variable rather than a fixed design choice, since links and edge devices drop in and out during training. Each round, the server must commit three coupled decisions, namely the communication topology, per-client resource allocation, and the aggregation rule for combining local updates. Recent agentic systems have begun bringing large language models (LLM) into…
تحلیل راهبردی تحلیل / هوشمندی
FL-MAESTRO روشی برای مدیریت یادگیری فدرال با توجه به تغییرات ارتباطی و تخصیص منابع در هر دور آموزش ارائه میدهد.
چرا مهم است؟
—
اثر احتمالی برای ایران
متوسط
- کلی: 44
- فناوری: 75
- اقتصادی: 40
- صنعتی: 20
- توانمندی ملی: 23
حوزه راهبردی
مدلهای زبانی
موجودیتهای مرتبط
عامل هوشمند · technology مدل زبانی بزرگ · technology هوش عاملمحور · technology آموزش · industry