FAST 联邦主动学习框架

通信轮次减 8 倍

利用基础模型弱标注初筛样本,仅对最不确定样本精确标注,在 5% 标注预算下显著降低通信开销并保持模型精度。

Haoyuan, Li · Funk, Mathias · Wang, Jindong · Saeed, Aaqib

IEEE Internet of Things Journal 2025

参数信息

平均精度提升
4.36 %
通信轮次减少倍数
8 ×

技术优势

通信轮次大减

通过两阶段流程,先用基础模型弱标注,再仅对不确定样本精标注,避免多轮迭代通信。

标注成本低

仅对最不确定的样本进行精确标注,在 5% 标注预算下即可保持精度。

精度不降反升

相比现有方法平均精度提升 4.36%,证明弱标注与精标注结合的有效性。

应用场景