面向个性化联邦智能的基础模型综述

《ACM Computing Surveys》:A Survey on Foundation Models for Personalized Federated Intelligence

【字体: 大 中 小 】 时间:2026年09月21日 来源:ACM Computing Surveys 30.4

编辑推荐:

   摘要AI 摘要要查看此 AI 生成的摘要,您必须拥有高级访问权限。了解更多登录摘要摘要大语言模型(LLMs)的兴起,如 ChatGPT、Gemini 和 Grok 等,已经重塑了人工智能的格局。作为基础模型(FMs)的典型代表,它们展现出令人瞩目的类人文本生成能力,不断推动人

  

摘要

摘要

大语言模型(LLMs)的兴起,如 ChatGPT、Gemini 和 Grok 等,已经重塑了人工智能的格局。作为基础模型(FMs)的典型代表,它们展现出令人瞩目的类人文本生成能力,不断推动人工智能向通用人工智能(AGI)的边界迈进。然而,其大规模特性、隐私敏感性和巨大的计算需求给终端用户的个性化定制带来了重大挑战。为弥合这一差距,我们提出了人工个性化智能(API)的愿景,该愿景专注于将基础模型适配到个体用户,同时确保隐私安全。作为 API 的核心推动力量,我们提出了一种新的范式——个性化联邦智能(PFI),它不仅将联邦学习(FL)的隐私优势与基础模型的泛化能力相结合,还将个性化置于其核心位置。为此,我们首先综述了联邦学习和基础模型的最新进展,这些进展为 PFI 奠定了坚实的基础。随后,我们探讨了 PFI 流水线的核心阶段:边缘端的个性化高效实现、可信适配以及基于检索增强生成的自适应优化。最后,我们指出了实现 PFI 的未来发展方向。总体而言,本综述旨在为 API 的发展奠定基础,API 作为与 AGI 互补的一个方向,而 PFI 则是实现 API 的关键推动范式。

AI 摘要

AI 生成的摘要(实验性)

此摘要由自动化工具生成,未由本文作者撰写或审阅。该摘要旨在辅助发现、帮助读者评估相关性,并帮助来自相关研究领域的读者理解本文内容。它是对作者提供的摘要的补充,作者提供的摘要仍然是本文的主要摘要。完整文章仍是权威的正式版本。 点击此处了解更多信息。

点击 此处,对本摘要的准确性、清晰度和实用性发表评论。这样做将有助于改进和后续重新生成的版本。

要查看此 AI 生成的通俗摘要,您必须拥有高级访问权限。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号