FedReason：LLM 充当联邦学习聚合规则选择器

2026 年 11 月 6 日，Ali Mohammadi Ruzbahani 等作者在 arXiv 发布预印本，提出 FedReason 方法，研究让大语言模型检查客户端模型后自行选择聚合规则、服务器端不做任何训练。据该预印本，FedReason 中 LLM 每十轮被调用一次，服务器执行其提交的聚合程序直至下次调用，输出无效时回退到 FedAvg；完整权重张量始终不离开服务器。该预印本还称，一次 60 轮运行的平均 API 费用为 0.79 美元。目前仅有这一篇主报道，尚无跟进报道或独立验证，上述调用频率、回退机制、数据不出服务器与费用数字均出自作者自述。

AI 根据报道生成 · 2 天前更新