用于激励联邦学习的免知识相关一致性方法
机器学习
2026-05-07 v1 人工智能
计算机科学与博弈论
摘要
我们引入了免知识相关一致性（KFCA），以在不依赖真实标签、公共测试集或分布知识的情况下奖励客户端在联邦学习（FL）中的贡献。在分类报告和诚实多数的条件下，KFCA 是严格真实的，解决了相关一致性（CA）的标签翻转漏洞。我们在联邦 LLM 适配器微调和现实世界 PCB 检测任务上评估了 KFCA，结果表明其具备高效的实时奖励计算能力，适用于去中心化和基于区块链的激励机制设计。
引用
@article{arxiv.2605.04747,
title = {Knowledge-Free Correlated Agreement for Incentivizing Federated Learning},
author = {Leon Witt and Togrul Abbasli and Kentaroh Toyoda and Wojciech Samek and Lucy Klinger},
journal= {arXiv preprint arXiv:2605.04747},
year = {2026}
}