Suche nach Kommunikationsaufwand

ZorBA: Federiertes Feintuning von LLMs ohne Gradienten – VRAM und Kommunikation optimiert

In der Welt der großen Sprachmodelle (LLMs) eröffnet federiertes Feintuning die Möglichkeit, Modelle über verteilte Clients hinweg gemeinsa…

arXiv – cs.LG 06.03.2026 05:00

Forschung

FedEMA‑Distill: EMA‑basierte Knowledge‑Distillation stärkt Federated Learning

Federated Learning (FL) leidet häufig unter heterogenen, nicht‑IID‑Daten und aggressiven Clients, was zu Drift, langsamer Konvergenz und ho…

arXiv – cs.LG 06.03.2026 05:00

Forschung

Adaptive personalisiertes Federated Learning: Kernel Mean Embeddings

Ein neues Verfahren für personalisiertes Federated Learning (PFL) wurde vorgestellt, das es Agenten ermöglicht, individuelle Modelle zu tra…

arXiv – cs.LG 04.03.2026 05:00

Forschung

Hybrid‑Federated & Split Learning: Datenschutzfreundliche klinische Vorhersagen

In der klinischen Entscheidungsunterstützung ist die gemeinsame Nutzung von Patientendaten häufig durch strenge Governance‑ und Datenschutz…

arXiv – cs.LG 18.02.2026 05:00

Forschung

Neuer Algorithmus SPECIAL sichert rückwärts Lernen in federierten Systemen

In realen verteilten Lernsystemen ändern sich die Datenverteilungen ständig, während Datenschutzbestimmungen den Austausch roher Daten verb…

arXiv – cs.LG 02.02.2026 05:00

Forschung

FedUMM: Federated Learning multimodale Modelle geringem Kommunikationsaufwand

Unified multimodale Modelle (UMMs) gelten als leistungsstarke Basismodelle, die sowohl generative als auch Verständnisaufgaben in einer ein…

arXiv – cs.LG 23.01.2026 05:00

Forschung

Graph-Pruning senkt Kommunikationsaufwand bei ST‑GNNs für Verkehrsprognosen

Spatio‑Temporal Graph Neural Networks (ST‑GNNs) sind ideal, um hochfrequente Sensordaten aus verteilten Mobilitätssystemen zu verarbeiten…

arXiv – cs.LG 22.12.2025 05:00

Forschung

Neue Methode verbessert Federated Domain Generalization mit besserer Privatsphäre

Ein neues Verfahren zur Federated Domain Generalization (FedDG) verspricht, die Leistung globaler Modelle zu steigern, ohne die Privatsphär…

arXiv – cs.LG 12.12.2025 05:00

Forschung

Neues Federated Distillation-Ansatz reduziert Latenz beim Fahrzeug-Edge-Caching

Ein neuer Ansatz zur Fahrzeug-Edge-Caching-Technologie verspricht, die Wartezeit für Fahrzeugnutzer drastisch zu senken, indem Inhalte, die…

arXiv – cs.LG 11.12.2025 05:00

Forschung

SAFLe: Einmaliger Federated Learning-Ansatz mit skalierbarer Nichtlinearität

Federated Learning (FL) steht seit langem vor zwei großen Problemen: der enorme Kommunikationsaufwand und die Leistungseinbußen bei heterog…

arXiv – cs.LG 04.12.2025 05:00

Forschung

FedAPA: Adaptive Prototypaggregation verbessert Wi‑Fi‑Crowd‑Counting

Wi‑Fi‑Channel‑State‑Information (CSI) ermöglicht ein nicht‑invasives, gerätefreies Erkennen von Menschenbewegungen und -mengen. Die praktis…

arXiv – cs.LG 27.11.2025 05:00

Forschung

PiMoE: Token-basiertes Routing verbindet Hochpräzise Berechnung mit Logik In der Forschung zu komplexen Systemen spielt die hochpräzise numerische Berechnung eine zentrale Rolle, doch aktuelle große Sprachmodelle (LLMs) können solche Rechenaufgaben noch nicht als integralen und nachvollziehbaren Bestandteil ihrer Architektur nutzen. Traditionelle Multi‑Agenten‑Ansätze greifen zwar auf externe Experten zurück, erzeugen dabei jedoch Kommunikationsaufwand, ineffiziente multimodale Fähigkeiten und stoßen bei

arXiv – cs.LG 24.09.2025 05:00

Forschung

Sicher und schnell: Duale Privatsphäre für LLM-Inferenz mit CMIF

Ein brandneues Framework namens CMIF verspricht, die Sicherheit und Effizienz bei der Inferenz großer Sprachmodelle zu revolutionieren. Dur…

arXiv – cs.AI 12.09.2025 05:00

Forschung

Effiziente Kommunikation in verteiltem asynchronem ADMM

In der verteilten Optimierung und im Federated Learning ist der asynchrone Alternating Direction Method of Multipliers (ADMM) ein beliebtes…

arXiv – cs.LG 19.08.2025 05:00

Forschung

FedCoT: Kommunikationssparende Federated Reasoning-Verbesserung für LLMs

In der Welt der großen Sprachmodelle (LLMs) stellt die Federated Learning‑Umgebung eine besondere Herausforderung dar: Man muss die Rechen-…

arXiv – cs.AI 15.08.2025 05:00

Finde Modelle, Firmen und Themen

ZorBA: Federiertes Feintuning von LLMs ohne Gradienten – VRAM und Kommunikation optimiert

FedEMA‑Distill: EMA‑basierte Knowledge‑Distillation stärkt Federated Learning

Adaptive personalisiertes Federated Learning: Kernel Mean Embeddings

Hybrid‑Federated & Split Learning: Datenschutzfreundliche klinische Vorhersagen

Neuer Algorithmus SPECIAL sichert rückwärts Lernen in federierten Systemen

FedUMM: Federated Learning multimodale Modelle geringem Kommunikationsaufwand

Graph-Pruning senkt Kommunikationsaufwand bei ST‑GNNs für Verkehrsprognosen

Neue Methode verbessert Federated Domain Generalization mit besserer Privatsphäre

Neues Federated Distillation-Ansatz reduziert Latenz beim Fahrzeug-Edge-Caching

SAFLe: Einmaliger Federated Learning-Ansatz mit skalierbarer Nichtlinearität

FedAPA: Adaptive Prototypaggregation verbessert Wi‑Fi‑Crowd‑Counting

Sicher und schnell: Duale Privatsphäre für LLM-Inferenz mit CMIF

Effiziente Kommunikation in verteiltem asynchronem ADMM

FedCoT: Kommunikationssparende Federated Reasoning-Verbesserung für LLMs

🍪 Cookie-Einstellungen