论文提出联邦多智能体协作框架PFedMA

Shuai Li等作者在arXiv发布预印本，提出联邦多智能体框架PFedMA，面向基于LLM的联邦多智能体系统，在客户端原始数据保持去中心化的前提下，支持异构隐私需求下的反馈驱动多轮协作。 框架依据智能体的历史能力与可靠性状态进行选择，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鲁棒性；该结论目前仅见于作者摘要，尚属作者声称。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。