Skip to content
Hot eventLive

FedRSPO+：决策聚焦联邦学习异质性算法

1 reports1 sources4 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 8
arXiv 发表 FedRSPO+ 论文，提出 DFL 异质性感知框架并给出决策误差、遗憾与跨客户端异质性界。

Timeline

Follow the coverage from different angles.

Oct 8, 2026
  1. arXiv · Machine Learning Theory
    FedRSPO+：面向决策聚焦联邦学习的异质性感知算法

    研究者提出 FedRSPO+，一个面向决策聚焦联邦学习（DFL）的异质性感知框架，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+ 对正则化决策及在精确正则化与一致 LP 解选择下对原 LP 决策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、在同质时消失且无需强凸性的跨客户端异质性界。

Heat trend

Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –

02.557.510Oct8Oct8Oct8Oct8

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.