信通院&清华提出FedRE：用「纠缠」搞定联邦学习三难困境 | CVPR 26
信通院&清华提出FedRE：用「纠缠」搞定联邦学习三难困境 | CVPR 26在联邦学习中，如何同时兼顾模型性能、数据隐私和通信开销，是一个亟需解决的挑战。
来自主题: AI技术研报
9668 点击 2026-05-18 15:29
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
在联邦学习中，如何同时兼顾模型性能、数据隐私和通信开销，是一个亟需解决的挑战。
在大模型后训练中，数据不再只是 “越多越好”，而是要像人类学习一样，动态选择最合适难度的样本。华为提出的 EDCO 方法，将样本难度估计与动态课程编排引入领域大模型微调；数月后，由 Rutgers、Amazon、Google 等作者参与的 DARE 论文即引用 EDCO，并将其作为难度感知强化学习训练的重要对比基线。
DAG框架利用时间与通道双重相关网络，有效整合历史与未来外生变量信息，提升时间序列预测准确性。通过发现并注入相关关系，充分利用未来协变量，显著优于现有方法。
用过推理型大模型的人，大概率都熟悉这种体验：模型似乎在认真思考，但屏幕上长时间没有真正有用的内容；如果让它一开始就输出，又很容易出现仓促判断，后面的推理还要被早期错误牵着走。
发布会还没开，谷歌彻底藏不住了！Gemini 3.2 Flash网页端静默上线，被开发者抓了个正着。单次提示狂飙2200行代码、手搓Windows 98，直接把自家旗舰Pro按在地上摩擦。
2018 年的那个夜晚，3 万人挤进了鸟巢。
想象一个场景：你坐在曼谷一家餐厅，手机对准一张泰语菜单：2026年的AI不仅能把泰文翻译成中文——这已经像是上个时代的把戏了——它还能记住你是素食主义者，从二十道菜里挑出那三道不含肉的,用标准泰语帮你点单,顺便把附近评分最高的甜品店塞进你的下午行程。
当「地表最强生图」遇上「最强视频生成」，这对王炸组合再一次点燃了网友们的创作激情。
早在2024年，人们还倾向于给Agent提供海量的工具（例如通过MCP协议连接的API、搜索引擎、代码解释器等）。但是，“拥有工具”并不等于“知道如何使用工具”。当任务变得复杂且长周期时，要求Agent每次都从头开始推理“该用哪个工具、何时用、怎么组合、出错怎么办”，会导致系统极度脆弱、延迟极高且不可靠。
生成模型的偏好对齐，可能正在进入一个新的阶段。