arXiv · cs.AI· Shuaijie Ma, Yongkang Hu, Yu Cheng, Jiuan Zhou, Yi Xie, Yushuo Zhang, Zhaoxia Yin·· 6 小时前
Safe-FCL提出面向大语言模型联邦持续学习的持续风险感知与细粒度安全聚合框架
Safe-FCL: Continual Risk Awareness and Fine-Grained Safety Aggregation for Federated Continual Learning of LLMs
arXiv:2610.19968v1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：Shuaijie Ma, Yongkang Hu, Yu Cheng, Jiuan Zhou, Yi Xie, Yushuo Zhang, Zhaoxia Yin
研究任务与主要进展
Safe-FCL提出一种面向大语言模型联邦持续学习的持续风险感知与细粒度安全聚合框架，用于应对恶意客户端更新和变化中的攻击模式。其持续风险感知机制借助历史特征保护子空间约束检测器更新，降低对既有恶意模式的遗忘；细粒度安全聚合机制结合客户端风险评估与模块级更新偏差，调节聚合贡献。
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