速報 NeurIPS 2025：聯邦學習資料集與公平性基準設計要點 研究針對聯邦學習實驗提出資料集與評測框架。說明資料來源、客戶端取樣、是否含敏感屬性及跨域模擬設定。列出公平性衡量（人口差異、equalized odds、demographic parity）與輸出格式，並提供個別與全域模型的統計與評估流程，利於比較演算法在不同客戶端分布下之效能與公平性表現。
