协作学习研究并不服务于实际中的跨沃尔 Federated Learning
机器学习
2025-10-15 v1
摘要
跨沃尔联邦学习（FL）是一种有前景的做法，旨在不直接共享私人数据的情况下实现跨组织机器学习模型开发的合作。尽管由于数据保护法规如GDPR和HIPAA而引发组织日益增长的兴趣，但跨沃尔FL的实际采用仍有限。本文进行了一项访谈研究，以了解跨沃尔FL采纳的实际挑战。通过对用户组织、软件提供商和学术研究人员等多样化利益相关者的访谈，我们揭示了各种障碍，包括对模型性能的担忧以及参与组织之间激励和信任的问题。我们的研究表明，跨沃尔FL面临一系列尚未被现有研究充分捕捉的挑战，与其他形式的联邦学习如跨设备FL截然不同。我们以讨论未来研究方向为结尾，这些方向有助于克服这些挑战。
引用
@article{arxiv.2510.12595,
title = {Research in Collaborative Learning Does Not Serve Cross-Silo Federated Learning in Practice},
author = {Kevin Kuo and Chhavi Yadav and Virginia Smith},
journal= {arXiv preprint arXiv:2510.12595},
year = {2025}
}
备注
Main text: 23 pages, 2 tables, 2 figures