热点事件持续更新
提出治理感知联邦学习框架GAFL
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年10月31日，一篇发表于arXiv cs.AI的论文提出了治理感知联邦学习（GAFL）框架。该框架旨在通过独立证据验证与策略执行实现可信多智能体协作。在Adult Income数据集测试中，完整GAFL成功识别了100%的伪造证据参与者，而对比方法的识别率为零。然而，该方案每轮治理处理耗时约173.67ms，显著高于FedAvg的3.82ms，同时揭示了在严格公平性阈值下的效用权衡问题。
AI 根据报道生成 · 47 分钟前更新
最新进展10月31日 12:00
GAFL框架在Adult数据集测试中实现了100%伪造证据识别率，但面临高延迟挑战。报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AIGovernance-Aware Federated Learning 提出可信多智能体协作框架
论文提出治理感知联邦学习（GAFL）框架，通过独立证据验证与策略执行实现可信多智能体协作。在 Adult Income 数据集测试中，完整 GAFL 识别了 100% 的伪造证据参与者，而对比方法识别率为零。该方案每轮治理处理耗时约 173.67ms，显著高于 FedAvg 的 3.82ms，同时揭示了严格公平性阈值下的效用权衡。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。