PFedQFT个性化联邦量子启发微调框架提出

2026年10月20日，arXiv Artificial Intelligence 刊出 Qihan Huang 等作者的报道，提出 PFedQFT——一种面向医疗大语言模型的个性化联邦量子启发微调框架。据该报道，PFedQFT 采用紧凑共享适配器，以降低医疗 LLM 的参数量与通信开销；方法上从紧凑反对称生成器构建可复用的正交归一适配基，各客户端保留轻量私有残差算子，其方向全局学习、系数本地保留。报道称，在 7 个公开医疗任务和多个 LLM 主干上，该框架使可训练参数与每轮适配器上传量大幅减少，多数任务预测性能具竞争力。目前事件进展仅止于该框架的提出与上述实验描述，尚无后续跟进报道。

AI 根据报道生成 · 40 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。