2025年4月28日-5月2日,第34届万维网国际会议(The ACM Web Conference 2025)的联邦大模型国际研讨会(International Workshop on Federated Foundation Models for the Web 2025)在澳大利亚悉尼举行。山东大学-南洋理工大学人工智能国际联合研究院(C-FAIR)的科研成果论文《A Client-Unperceived Selection Strategy for Heterogeneous Federated Learning》荣获“优秀学生论文奖”。该奖项旨在表彰在互联网技术、人工智能与交叉学科领域具有创新性且对实际应用产生重要影响的青年学者研究成果。论文由山东大学作为第一单位完成,C-FAIR博士生郭子浩为第一作者,崔立真教授、吕洪涛教授为通讯作者。
该研讨会由香港中文大学、悉尼科技大学、复旦大学、南洋理工大学联合主办,聚焦联邦学习技术在大模型时代的最新突破与创新应用。此次获奖彰显了C-FAIR在联邦学习与隐私计算领域的前沿探索能力,也是山东大学国际化联合培养模式的又一成果体现。
研究团队针对联邦学习场景下客户端数据异构性引发的模型收敛困境与潜在欺骗风险,首次创新性提出联邦学习参与方无感知的选择机制(FedCUS)。该框架突破传统依赖参与方主动上报指标的范式,首创“隐式相似度建模-多样性动态筛选”双引擎驱动架构,将行列式点过程的多样性量化能力与矩阵补全技术的隐式推理优势融合,构建无需客户端感知的封闭式选择系统。相较于现有方案,FedCUS首次建立“机制隐蔽性-数据多样性”的联邦学习参与方选择体系,为医疗协同诊断等高隐私敏感场景提供了可信赖的分布式智能底座。
The ACM Web Conference(原WWW会议)是互联网与交叉学科领域的顶级国际学术会议(CCF-A类),本届会议共收到2062篇投稿,录用率为19.8%。
