聚类联邦学习崩溃与恢复的动力学建模与控制

2026年10月21日，arXiv cs.AI / cs.LG 发布一篇研究，把聚类联邦学习（CFL）中的聚类崩溃建模为未知动力系统的控制问题：聚类模型作为状态，客户端路由作为控制输入。研究在两组线性模型中定位了使贪心路由自我强化的初始化区域，并证明，让被饿死的模型重复训练可以逆转崩溃；客户端方面，研究采用 blocked EXP3，在贪心路由与干预之间自主选择。在 transformed FEMNIST 实验中，该方法能够从不利的初始状态恢复出可用的专家模型。目前该工作处于预印本阶段，报道未提及后续实验规模、与其他方法的对比结果或同行评审情况。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。