arXiv · cs.AI· Shuai Li, Shengyuan Liu, Fan Qi, Xiaoshan Yang·· 5 小时前
PFedMA：面向异构隐私需求的反馈驱动联邦多智能体协作框架
PFedMA: Who Should Join Next as Federated Multi-Agent Orchestration Evolves?
arXiv:2610.19458v1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：Shuai Li, Shengyuan Liu, Fan Qi, Xiaoshan Yang
研究任务与主要进展
作者提出PFedMA，用于在异构隐私需求下进行反馈驱动的联邦多智能体多轮协作。框架依据历史能力与可靠性状态选择智能体，在聚合前评估任务响应，并根据累积反馈调整后续查询，同时实现本地与全局隐私规则的双向演化。论文摘要称，在推理、隐私敏感和对抗设置中，PFedMA改善了任务性能、降低了可测隐私泄漏并提升了系统鲁棒性。
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