热点事件持续更新
提出SFG新鲜度加权Gossip聚合规则应对客户端离线
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年10月21日，arXiv cs.AI / cs.LG 发布研究，提出自包含新鲜度加权 Gossip 聚合规则族 SFG，用于客户端长时间离线后恢复的去中心化联邦学习。该规则让接收端把自身模型按相对陈旧度与邻居同等折价，并以 effective lag 而非模型年龄衡量陈旧度。报道称，SFG-L 与 SFG-Cut 在 3 个图像基准、8 种离线过程上优于去中心化联邦平均与 age-of-information 规则。目前仅有这一篇报道，尚无后续复现、同行评审或其他验证信息。
AI 根据报道生成 · 4 小时前更新
最新进展10月21日 01:12
arXiv 新论文提出 SFG 规则族，称在 3 个图像基准、8 种离线过程上优于基线。报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.AI / cs.LG 最新Discount Yourself：面向客户端离线场景的自包含新鲜度加权 Gossip 聚合规则 SFG
研究者提出自包含新鲜度加权 Gossip 聚合规则族 SFG，用于客户端长时间离线后恢复的去中心化联邦学习。它让接收端把自身模型按相对陈旧度与邻居同等折价，并以 effective lag 而非模型年龄衡量陈旧度；SFG-L 与 SFG-Cut 在 3 个图像基准、8 种离线过程上优于去中心化联邦平均与 age-of-information 规则。
本事件热度走势
当前热度 7·可比范围峰值 7（10月21日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。