Effizientes Federated Recommendation: Plug-and-Play PEFT für Embeddings
Mit der zunehmenden Verbreitung von Cloud‑Edge‑Kollaborationen werden Empfehlungssysteme vermehrt in verteilten Umgebungen trainiert. Federated Recommendation (FR) ermöglicht dabei eine kollaborative Schulung an mehreren Endgeräten, während die Privatsphäre gewahrt bleibt, indem Modellparameter statt Rohdaten ausgetauscht werden. Ein großes Problem ist jedoch die enorme Anzahl an Parametern, insbesondere die massiven Item‑Embeddings, die die Kommunikationskosten stark erhöhen.
