FedSRD Sparsify-Reconstruct-Decompose for北大提出FedSRD：高效联邦大模型微调

第一部分：基本信息

https://arxiv.org/pdf/2510.04601v2

• 论文标题：FedSRD: Sparsify-Reconstruct-Decompose for Communication-Efficient Federated Large Language Models Fine-Tuning

• 作者/单位：Guochen Yan、Luyuan Xie、Qingni Shen、Yuejian Fang、Zhonghai Wu（Peking University）

• 年份/来源：2025；arXiv:2510.04601v2（2025-10-08）

• 关键词：Federated Learning、Large Language Models、Communication、LoRA、Fine-tuning

• 研究对象/背景：在联邦学习(FL)里做 LLM 的 LoRA 微调，但 LoRA 参数在每轮通信仍可能达到“每客户端每轮数百 MB”，成为互联网异构网络下的瓶颈（图1）

第二部分：问题描述

论文