待验证50% 置信事实精确时间
鲁棒聚合方法在非独立同分布（non-IID）数据下可能将正常客户端的合法更新误判为异常，因为不同客户端的数据分布差异本身就会导致梯度方向发散。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
涉及实体
相关事实
待验证非独立同分布（non-IID）数据是联邦学习中最典型的统计异构性来源，会导致客户端漂移（client drift），表现为收敛震荡、精度下降和对某些客户端的系统性偏见。77% 相似待验证数据异构性在联邦场景中常被称为 Non-IID 问题，即不同客户端的数据分布不一致。77% 相似待验证模型静默退化可由供应商更新模型、提示词被误改或上游数据分布变化引起，接口本身不会报错69% 相似待验证当各客户端数据分布存在统计异质性时，全局模型倾向于迎合数据量大、分布主流的客户端，使偏离主流的客户端表现出明显更差的本地精度69% 相似待验证信息论中的数据处理不等式表明，经过任何确定性或随机变换后信息只会减少不会增加67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1113860API
curl https://kongchang.com/api/v1/knowledge/claims/1113860MCP
get_claim(id=1113860)