聯邦持續學習

深度分析

HERO Benchmark Library：可控異質性下的聯邦持續學習評測

隨著聯邦持續學習需求提升，研究者推出HERO異質性感知基準庫，分離任務切割、客戶資料切割與任務序列，α控制資料偏斜、ρ控制任務順序不匹配；在影像與圖形資料上測試，顯示方法表現隨異質性增強而變化，平均準確度可能掩蓋低效客戶失敗，凸顯此套件在公平評估與AI產業標準化的重要影響。