5 min de lecturaNota de investigación
Aprendizaje federado descentralizado robusto: límites y preguntas abiertas
Preguntas abiertas en DFL robusto: grafos dinámicos, contexto manipulado, privacidad, modalidades ausentes y experimentos para avanzar.
Notas de investigación sobre aprendizaje federado, ciberseguridad y ciberdefensa
Notas de investigación y guías técnicas sobre aprendizaje federado, IA distribuida, ciberdefensa, sistemas confiables y plataformas con privacidad.
Tema: Aprendizaje federado descentralizado Quitar tema
5 artículos. Página 1 de 1.
4 min de lecturaNota de investigación
D-MoE: Mixture of Experts distribuida para LLMs en edge
MoE distribuida en edge: colocación de expertos, camino crítico, ancho de banda, activaciones y recuperación ante fallos.
5 min de lecturaNota de investigación
Eficiencia de comunicación en DFL: por qué importan los prototipos
Compara modelos y prototipos en DFL: bytes por mensaje, coste acumulado, cuantización y calidad objetivo bajo restricciones de red.
5 min de lecturaNota de investigación
Cuando los clientes federados ven modalidades diferentes
Aprendizaje federado multimodal con datos non-IID y sensores ausentes: máscaras, prototipos y evaluación por modalidad y cliente.
5 min de lecturaNota de investigación
El DFL es más que aprendizaje federado sin servidor
Por qué DFL cambia coordinación, consenso y confianza. Identifica dependencias centrales y evalúa qué servicios sobreviven a un fallo.