待验证50% 置信事实精确时间

标准联邦聚合算法FedAvg假设客户端梯度可以直接平均以估计全局梯度，但在Non-IID条件下简单平均会造成梯度漂移

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

FedPCD：用优先约束破解联邦学习的公平性困局

涉及实体

FedAvgconcept Non-IIDconcept 梯度漂移concept

相关事实

待验证现有扩散模型RL方法依赖的平均场似然估计是有偏且高方差的60% 相似待验证Gunasekar等人2017年的研究证明，对于线性模型，梯度下降等价于最小范数插值60% 相似待验证该算法在智能体本地对贝尔曼最优算子采用方差缩减估计59% 相似待验证测试时计算扩展的边际收益并非线性，存在明显的收益递减区间59% 相似待验证假设数据服从高斯分布，最大化似然等价于最小化均方误差58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001324

API

curl https://kongchang.com/api/v1/knowledge/claims/1001324

MCP

get_claim(id=1001324)