网硕互联帮助中心第一部分：基本信息
投稿至 ICLR 2026 的论文，核心聚焦非独立同分布（non-IID）数据下多模态大语言模型（MLLMs）联邦微调的关键问题与解决方案。
| 论文研究对象 | ✅ 多模态（MLLM） |
| Algorithm 1 本身 | ❌ 模态无关 |
| routed/shared/Router 机制 | ❌ 模态无关 |
| 输入 xix_ixi 的形式 | 抽象变量，可是文本/图像/音频 |
第二部分：解决的问题
现有联邦微调（结合LoRA降低通信成本）在非IID数据下，多个客户端联手训练（联邦微调），结果反而不如每个客户端各自单独训练的效果好。
比如A单独训练能得70分，B单独训练能得68分，原本指望联手能到75分，结果因为共用“技能包”，联手后A只得了65分
![基于深度学习的糖尿病视网膜病变诊断系统[python]-计算机毕业设计源码+LW文档-网硕互联帮助中心](https://www.wsisp.com/helps/wp-content/uploads/2026/02/20260206021924-69854fac5d043-220x150.jpg)
评论前必须登录！
注册