Tech Meridian
← К СУЩНОСТЯМ
ТЕМА · ENTITY #259
Хронология связанных событий, источники и контекст из новостной базы.
Статья на NVIDIA Developer описывает, как с помощью NVIDIA FLARE можно запускать и масштабировать нагрузки федеративного обучения в популярных средах оркестрации — Docker, Kubernetes и Slurm, давая рекомендации по переходу от одиночных серверов и небольшого числа клиентов к более крупным развертываниям.
В постере на arXiv представлены эмпирические результаты FedV-KGQA — федеративного подхода к многопрыжковым вопросам по раздельно хранимым (вертикально разделённым) графам знаний, где организации разделяют идентификаторы сущностей, но имеют разные типы отношений. Каждый силос обучает локальные встраивания графа знаний, сервер объединяет представления сущностей, якорит вопрос по теме и ранжирует кандидатов без передачи исходных тройек или встраиваний отношений; эксперименты показывают, что федеративное слияние восстанавливает большую часть централизованной точности, якорение и обогащение важнее выбора модели встраивания, а самый дешёвый энкодер зависит от требуемой точности; также опубликованы четыре проекта и интерактивный прототип с чекпоинтами.
Исследователи Google предлагают рамочную модель «социального обучения», в которой модели‑учителя передают знания модели‑студенту через текстовые инструкции и синтезированные примеры вместо обмена исходными данными. На основе PaLM 2‑S для задач (детектирование спама, школьная математика, вопросы по тексту) они отмечают, что сгенерированные примеры (например, 8–16 штук) часто сохраняют приватность и обеспечивают сопоставимую производительность для большинства задач, хотя детектирование спама оказалось исключением; также предложены количественные методы измерения приватности.
Allow Google Analytics to measure visits? It stays off until you choose. You can change your choice at any time.