Агент Auto-FL-Research автоматизирует поиск оптимальных алгоритмов федеративного обучения

Исследователи разработали систему Auto-FL-Research (AFR), которая автоматически подбирает оптимальные алгоритмы для федеративного обучения (FL). Система использует агентов, которые предлагают и внедряют разные варианты алгоритмов — например, правила объединения данных на серверах, графики обучения, настройки моделей и т. д. AFR тестировали на пяти задачах FLamby (для сферы здравоохранения) и на пяти наборах данных LEAF. Система помогла добиться успеха в четырёх задачах FLamby и в пяти из шести профилей LEAF. Новизна подхода в том, что он позволяет объективно сравнивать разные варианты алгоритмов и экономить ресурсы, которые раньше тратились на ручной подбор настроек. Для индустрии это значит ускорение разработки и внедрения решений на основе федеративного обучения, а также повышение их эффективности.