热点事件持续更新

FedSEAM论文提交至arXiv

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

Fatema Siddika等作者将FedSEAM论文提交至arXiv；论文提出一种面向大语言模型联邦持续学习的框架，将任务知识组织为稀疏专家，并通过子空间专家一致性合并（SEAM）仅沿客户端更新一致的方向推动共识，同时保留其他更新。框架还设置了三项针对路由漂移和合并擦除的保护，其中一项在每次合并时精确保留选定的先前重叠子空间中的 tile 组件。作者使用 Qwen3-4B、Llama-3.2-3B 和 TRACE 对框架进行评估。

AI 根据报道生成 · 2 小时前更新

最新进展10月28日 12:00

FedSEAM：通过子空间专家一致性合并实现 LLM 的联邦持续学习

报道时间线

沿着报道，了解事件的不同侧面。

10月28日

12:00
arXiv · Machine Learning
FedSEAM：通过子空间专家一致性合并实现 LLM 的联邦持续学习
FedSEAM提出面向大语言模型的联邦持续学习框架，将任务知识组织为稀疏专家，并通过子空间专家一致性合并（SEAM）仅沿客户端更新一致的方向推动共识，保留其余更新。框架针对路由漂移和合并擦除设置三项保护，其中一项在每次合并时精确保留选定先前重叠子空间中的 tile 组件；研究使用 Qwen3-4B、Llama-3.2-3B 在 TRACE 上评估。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。