热点事件观察中
研究团队提出治理感知联邦学习框架GAFL
1 篇报道1 个报道来源3 天前更新
先了解这件事
AI 综述
2026年10月31日，arXiv发布了一篇关于可信协同AI的研究，提出了面向多智能体AI系统的治理感知联邦学习（GAFL）框架。该框架通过策略驱动，在模型聚合前独立验证治理证据，以保障训练过程的可信性。在针对10个参与方的Adult Income基准评测中，完整的GAFL框架成功识别出了100%伪造证据的参与方，且模型的macro-F1得分达到0.7520至0.7733，验证了该方案在防范欺诈与维持性能方面的有效性。
AI 根据报道生成 · 2 天前更新
最新进展10月31日 12:00
研究团队发布GAFL框架，能在聚合前独立验证证据并完全识别伪造方。报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI面向多智能体 AI 系统的治理感知联邦学习（GAFL）：可信协同 AI 的策略驱动框架
研究提出面向多智能体系统的治理感知联邦学习框架 GAFL，在模型聚合前独立验证治理证据，实现策略驱动的可信协同训练。在 10 个参与方的 Adult Income 评测中，完整 GAFL 识别出 100% 伪造证据的参与方，macro-F1 达 0.7520 至 0.7733。
本事件热度走势
当前热度 3·可比范围峰值 7（11月1日 03:00）·近 24 小时可比范围变化 -49%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。