arXiv · cs.AI· Chuan Li, Qianyi Zhao, Fengran Mo, Cen Chen·· 2 天前
FedCoT：面向大语言模型的通信高效联邦推理增强框架
FedCoT: Communication-Efficient Federated Reasoning Enhancement for Large Language Models
arXiv:2508.10020v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Chuan Li, Qianyi Zhao, Fengran Mo, Cen Chen
研究任务与主要进展
作者提出FedCoT，将轻量级思维链重采样与紧凑判别器选择、客户端感知LoRA堆叠及加权分类器聚合结合起来，使客户端在本地生成候选推理链和监督信号，仅向服务器聚合轻量模块。论文摘要称，该方法在医疗推理基准和紧资源预算下取得一致收益，同时保持数据本地化；代码已公开于https://github.com/DIaacKr/FedCoT。基于摘要，具体实验基线、数据规模与资源指标未说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org