Buchumschlag

A Bargaining-based Approach for Feature Trading in Vertical Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cui, Yue, Yao, Liuyi, Li, Zitao, Li, Yaliang, Ding, Bolin, Zhou, Xiaofang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Multiagent Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient Leave-one-out Approximation in LLM Multi-agent Debate Based on Introspection
von: Cui, Yue, et al.
Veröffentlicht: (2025)

An Auction-based Marketplace for Model Trading in Federated Learning
von: Cui, Yue, et al.
Veröffentlicht: (2024)

Agent-Oriented Planning in Multi-Agent Systems
von: Li, Ao, et al.
Veröffentlicht: (2024)

Talk to Right Specialists: Iterative Routing in Multi-agent Systems for Question Answering
von: Wu, Feijie, et al.
Veröffentlicht: (2025)

KIMAs: A Configurable Knowledge Integrated Multi-Agent System
von: Li, Zitao, et al.
Veröffentlicht: (2025)

AgentScope: A Flexible yet Robust Multi-Agent Platform
von: Gao, Dawei, et al.
Veröffentlicht: (2024)

Tree-based Models for Vertical Federated Learning: A Survey
von: Qian, Bingchen, et al.
Veröffentlicht: (2025)

Reinforcement Learning Enabled Peer-to-Peer Energy Trading for Dairy Farms
von: Shah, Mian Ibad Ali, et al.
Veröffentlicht: (2024)

FightLadder: A Benchmark for Competitive Multi-Agent Reinforcement Learning
von: Li, Wenzhe, et al.
Veröffentlicht: (2024)

Context Learning for Multi-Agent Discussion
von: Hua, Xingyuan, et al.
Veröffentlicht: (2026)

Sky of Unlearning (SoUL): Rewiring Federated Machine Unlearning via Selective Pruning
von: Zaman, Md Mahabub Uz, et al.
Veröffentlicht: (2025)

Learning Partial Action Replacement in Offline MARL
von: Jin, Yue, et al.
Veröffentlicht: (2026)

A Survey of Multi Agent Reinforcement Learning: Federated Learning and Cooperative and Noncooperative Decentralized Regimes
von: Cheruiyot, Kemboi, et al.
Veröffentlicht: (2025)

Causally-Guided Automated Feature Engineering with Multi-Agent Reinforcement Learning
von: Malarkkan, Arun Vignesh, et al.
Veröffentlicht: (2026)

Very Large-Scale Multi-Agent Simulation in AgentScope
von: Pan, Xuchen, et al.
Veröffentlicht: (2024)

The Composite Task Challenge for Cooperative Multi-Agent Reinforcement Learning
von: Li, Yurui, et al.
Veröffentlicht: (2025)

Combining Tree-Search, Generative Models, and Nash Bargaining Concepts in Game-Theoretic Reinforcement Learning
von: Li, Zun, et al.
Veröffentlicht: (2023)

Achieving Collective Welfare in Multi-Agent Reinforcement Learning via Suggestion Sharing
von: Jin, Yue, et al.
Veröffentlicht: (2024)

DeepFusion: Accelerating MoE Training via Federated Knowledge Distillation from Heterogeneous Edge Devices
von: Li, Songyuan, et al.
Veröffentlicht: (2026)

QSIM: Mitigating Overestimation in Multi-Agent Reinforcement Learning via Action Similarity Weighted Q-Learning
von: Li, Yuanjun, et al.
Veröffentlicht: (2026)

Learning Strategy Representation for Imitation Learning in Multi-Agent Games
von: Lei, Shiqi, et al.
Veröffentlicht: (2024)

KERAP: A Knowledge-Enhanced Reasoning Approach for Accurate Zero-shot Diagnosis Prediction Using Multi-agent LLMs
von: Xie, Yuzhang, et al.
Veröffentlicht: (2025)

Learning Progress Driven Multi-Agent Curriculum
von: Zhao, Wenshuai, et al.
Veröffentlicht: (2022)

Towards Fault Tolerance in Multi-Agent Reinforcement Learning
von: Shi, Yuchen, et al.
Veröffentlicht: (2024)

Language-Driven Coordination and Learning in Multi-Agent Simulation Environments
von: Li, Zhengyang, et al.
Veröffentlicht: (2025)

Kaleidoscope: Learnable Masks for Heterogeneous Multi-agent Reinforcement Learning
von: Li, Xinran, et al.
Veröffentlicht: (2024)

Learn as Individuals, Evolve as a Team: Multi-agent LLMs Adaptation in Embodied Environments
von: Li, Xinran, et al.
Veröffentlicht: (2025)

PMAT: Optimizing Action Generation Order in Multi-Agent Reinforcement Learning
von: Hu, Kun, et al.
Veröffentlicht: (2025)

Turn-based Multi-Agent Reinforcement Learning Model Checking
von: Gross, Dennis
Veröffentlicht: (2025)

Trust-based Consensus in Multi-Agent Reinforcement Learning Systems
von: Fung, Ho Long, et al.
Veröffentlicht: (2022)

A Hierarchical Hybrid AI Approach: Integrating Deep Reinforcement Learning and Scripted Agents in Combat Simulations
von: Black, Scotty, et al.
Veröffentlicht: (2025)

LERO: LLM-driven Evolutionary framework with Hybrid Rewards and Enhanced Observation for Multi-Agent Reinforcement Learning
von: Wei, Yuan, et al.
Veröffentlicht: (2025)

Exponential Topology-enabled Scalable Communication in Multi-agent Reinforcement Learning
von: Li, Xinran, et al.
Veröffentlicht: (2025)

Adaptively Coordinating with Novel Partners via Learned Latent Strategies
von: Li, Benjamin, et al.
Veröffentlicht: (2025)

Empirical Study on Robustness and Resilience in Cooperative Multi-Agent Reinforcement Learning
von: Li, Simin, et al.
Veröffentlicht: (2025)

Model-based Multi-agent Reinforcement Learning: Recent Progress and Prospects
von: Wang, Xihuai, et al.
Veröffentlicht: (2022)

AIR: Unifying Individual and Collective Exploration in Cooperative Multi-Agent Reinforcement Learning
von: Zhou, Guangchong, et al.
Veröffentlicht: (2024)

GenSim: A General Social Simulation Platform with Large Language Model based Agents
von: Tang, Jiakai, et al.
Veröffentlicht: (2024)

GT-Space: Enhancing Heterogeneous Collaborative Perception with Ground Truth Feature Space
von: Wang, Wentao, et al.
Veröffentlicht: (2026)

Partial Action Replacement: Tackling Distribution Shift in Offline MARL
von: Jin, Yue, et al.
Veröffentlicht: (2025)