FedRSPO+：决策聚焦联邦学习异质性算法

2026年10月8日，arXiv Machine Learning Theory 发表一手论文，提出 FedRSPO+，一个面向决策聚焦联邦学习（DFL）的异质性感知框架。该框架基于 RSPO+ 正则化预测-优化代理，通过投影平滑决策映射。论文证明 RSPO+ 对正则化决策，以及在精确正则化与一致 LP 解选择下对原 LP 决策，均给出决策误差与遗憾上界；并导出依赖目标与可行集异质性的跨客户端异质性界，该界在同质时消失且无需强凸性假设。目前报道仅涉及该论文的理论框架与证明，未见后续实验或应用进展。

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。