10:24arXiv cs.AI@Mubarak A. Ojewale, Adriana E. Chis, Jorge M. Cortes-Mendoza, Bernardo Pulido-Gaytan, Horacio Gonzalez-Velez联邦学习中客户端数据分布随时间漂移会导致模型遗忘,现有方法如Flashback假设分布静止,无法应对时间变化。FlashbackCL通过引入时间衰减标签计数、设备感知重放缓冲区和服务器端核心集筛选,在CIFAR-10上相对Flashback提升6.9%-10.0%,时间遗忘减少68%。在静态CIFAR-100上也提升3.5个点,表明类平衡重放对空间和时间异质性均有正则化效果。论文联邦学习时间遗忘持续学习类平衡重放FlashbackCL推荐理由:联邦学习团队终于有了应对数据漂移的实用方案——FlashbackCL直接替换Flashback即可,做边缘设备或持续学习部署的开发者值得一试。原文