arXiv · cs.AI· Shudi Weng, Chao Ren, Ming Xiao, Mikael Skoglund·· 5 小时前
FedACS：面向异构联邦学习的客户端采样方法
Heterogeneity-Aware Client Sampling for Optimal and Efficient Federated Learning
arXiv:2505.11304v4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：Shudi Weng, Chao Ren, Ming Xiao, Mikael Skoglund
研究任务与主要进展
Shudi Weng 等提出 FedACS（Federated Heterogeneity-Aware Client Sampling），用于同时处理联邦学习中的通信与计算异构，并消除由客户端能力差异造成的目标不一致。
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