AI 搜索

带引用 · 可溯源

先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接

大家都在搜：vLLM12 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10 training10

AI 答案

资料有限基于 3 条来源 · 引用可点击溯源

现有资料不足以回答该问题。资料中只有 1 与联邦微调（Optimal Hydra）直接相关，但它只描述了方法与性能收益，没有列出除性能之外的评估维度；2 3 分别是移动机器人轨迹优化与高维持续线性回归的理论分析，与联邦微调的评估维度无关。资料中能确认的部分：

Optimal Hydra 是面向 LLM 微调的模型异构联邦学习框架，结合全局层选择与客户端特定的注意力头选择，依据本地数据分布生成定制子网络 Hydra-nets1。
其宣称的收益是：降低客户端资源需求的同时提升性能，并被称为该场景下首个模型异构 FL 方案1。

也就是说，1 的摘要只体现了性能与客户端资源需求两个方向，并未给出系统性的评估维度清单（如通信开销、收敛性、公平性、鲁棒性等均未在资料中出现），因此无法据此归纳“通常还报告哪些评估维度”。

继续追问

Optimal Hydra 的 Hydra-nets 子网络在客户端上的资源开销是如何度量的？模型异构联邦学习（model-heterogeneous FL）常见的评估指标有哪些？Optimal Hydra 与 FedAvg、FedProx 等基线在实验中的对比设置是什么？

参考来源

3 条

1站内Optimal Hydra: Model Heterogeneous Federated Learning for LLMs using Data-Informed Hydra-Nets提出 Optimal Hydra，一种面向 LLM 微调的模型异构联邦学习框架：结合全局层选择与客户端特定的注意力头选择，依据本地数据分布生成定制子网络 Hydra-nets，在降低客户端资源需求的同时提升性能，是该场景下首个模型异构 FL 方案。arXiv cs.LGhttps://arxiv.org/abs/2610.20753 2站内Optimally Trading Energy for Information through Speed Trajectory Optimization of Sustainably Powered Mobile Robots[Submitted on 14 Oct 2026] 标题： Optimally Trading Energy for Information through Speed Trajectory Optimization of Sustainably Powered Mobile Robots 查看题为 Optimally Trading Energy for Information through Speed Trajectory Optimization of Sustainably Powered Mobile Robots 的论文 PDF，作者为 Kavin M. Govindarajan 及另外 2 位作者查看 PDF HTML（实验性）摘要：可持续供能的移动机器人通过从环境中收集能量，能够实现长arXiv cs.ROhttps://arxiv.org/abs/2610.20875 3站内Optimal Explicit and Implicit Regularization Strengths in High-Dimensional Continual Linear RegressionarXiv:2610.20804v1 公告类型：新摘要：我们研究高维情形下的持续线性回归，其中学习器观察一系列任务并顺序更新其参数。在此设定下，我们推导出模型在每任务固定步数下经梯度下降训练后的泛化损失的显式闭式表达式，该表达式对任意教师模型均成立。我们证明，对于单一教师模型，更一般地对于独立同分布（i.i.d.）教师模型，最优固定步长随任务数近似成反比衰减，具体为 $\ln T / T$。在此缩放关系下，我们表明所得的泛化损失在渐近意义上等价于通过最优调优的 L2（各向同性）正则化所达到的泛化损失。此外，我们将分析扩展到具有对角正则化矩阵的广义岭回归arXiv cs.LGhttps://arxiv.org/abs/2610.20804

AI 答案正在检索与综合…

站内相关条目

3 条 · 点击可看原文全文与中文译文

返回信息流

大模

Optimal Hydra: Model Heterogeneous Federated Learning for LLMs using Data-Informed Hydra-Nets

提出 Optimal Hydra，一种面向 LLM 微调的模型异构联邦学习框架：结合全局层选择与客户端特定的注意力头选择，依据本地数据分布生成定制子网络 Hydra-nets，在降低客户端资源需求的同时提升性能，是该场景下首个模型异构 FL 方案。

大模型·arXiv cs.LG·4 天前

#federated-learning

具身

Optimally Trading Energy for Information through Speed Trajectory Optimization of Sustainably Powered Mobile Robots

该论文研究可持续供能的移动机器人如何在固定闭合路径上优化速度轨迹，以在能量采集与信息获取之间取得最优权衡。作者将问题建模为周期最优控制问题，结合超线性推进成本与信息增益/衰减，基于信息论中的清晰度指标推导最优控制必要条件，并给出高速信息极限等性质，最后以切萨皮克湾盐度持续监测仿真验证。

具身智能·arXiv cs.RO·4 天前

#robotics

大模

Optimal Explicit and Implicit Regularization Strengths in High-Dimensional Continual Linear Regression

该论文研究高维持续线性回归中显式与隐式正则化的最优强度，推导了固定步数梯度下降的泛化损失闭式解，证明最优步长随任务数近似以 ln T / T 衰减，并与最优 L2 正则等价，还给出对角正则矩阵下最优正则器为各向同性的充要条件。为持续学习系统的步长与正则设计提供理论指导。

大模型·arXiv cs.LG·4 天前

#continual-learning