Buchumschlag

Can Textual Gradient Work in Federated Learning?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Minghui, Jin, Ruinan, Deng, Wenlong, Chen, Yuanyuan, Huang, Zhi, Yu, Han, Li, Xiaoxiao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Textual Equilibrium Propagation for Deep Compound AI Systems
von: Chen, Minghui, et al.
Veröffentlicht: (2026)

Forgettable Federated Linear Learning with Certified Data Unlearning
von: Jin, Ruinan, et al.
Veröffentlicht: (2023)

A Closer Look at Personalized Fine-Tuning in Heterogeneous Federated Learning
von: Chen, Minghui, et al.
Veröffentlicht: (2025)

Federated Learning on Virtual Heterogeneous Data with Local-global Distillation
von: Huang, Chun-Yin, et al.
Veröffentlicht: (2023)

Debiased Noise Editing on Foundation Models for Fair Medical Image Classification
von: Jin, Ruinan, et al.
Veröffentlicht: (2024)

Unlocking the Potential of Prompt-Tuning in Bridging Generalized and Personalized Federated Learning
von: Deng, Wenlong, et al.
Veröffentlicht: (2023)

Backdoor Attack on Unpaired Medical Image-Text Foundation Models: A Pilot Study on MedCLIP
von: Jin, Ruinan, et al.
Veröffentlicht: (2024)

DARE the Extreme: Revisiting Delta-Parameter Pruning For Fine-Tuned Models
von: Deng, Wenlong, et al.
Veröffentlicht: (2024)

Local Superior Soups: A Catalyst for Model Merging in Cross-Silo Federated Learning
von: Chen, Minghui, et al.
Veröffentlicht: (2024)

Why Adam Can Beat SGD: Second-Moment Normalization Yields Sharper Tails
von: Jin, Ruinan, et al.
Veröffentlicht: (2026)

On the Effect of Negative Gradient in Group Relative Deep Reinforcement Optimization
von: Deng, Wenlong, et al.
Veröffentlicht: (2025)

Exploit Gradient Skewness to Circumvent Byzantine Defenses for Federated Learning
von: Liu, Yuchen, et al.
Veröffentlicht: (2025)

Towards Interpretable Federated Learning
von: Li, Anran, et al.
Veröffentlicht: (2023)

Spend Less, Reason Better: Budget-Aware Value Tree Search for LLM Agents
von: Li, Yushu, et al.
Veröffentlicht: (2026)

TIC-GRPO: Provable and Efficient Optimization for Reinforcement Learning from Human Feedback
von: Pang, Lei, et al.
Veröffentlicht: (2025)

Rethinking LoRA for Data Heterogeneous Federated Learning: Subspace and State Alignment
von: Peng, Hongyi, et al.
Veröffentlicht: (2026)

Intelligent Agents for Auction-based Federated Learning: A Survey
von: Tang, Xiaoli, et al.
Veröffentlicht: (2024)

Directional Alignment Mitigates Reward Hacking in Reinforcement Learning for Language Models
von: Deng, Wenlong, et al.
Veröffentlicht: (2026)

FedOBD: Opportunistic Block Dropout for Efficiently Training Large-scale Neural Networks through Federated Learning
von: Chen, Yuanyuan, et al.
Veröffentlicht: (2022)

Agent-oriented Joint Decision Support for Data Owners in Auction-based Federated Learning
von: Tang, Xiaoli, et al.
Veröffentlicht: (2024)

Hierarchical Federated Learning with Multi-Timescale Gradient Correction
von: Fang, Wenzhi, et al.
Veröffentlicht: (2024)

Probabilistic Learning and Generation in Deep Sequence Models
von: Chen, Wenlong
Veröffentlicht: (2026)

Enhancing Visual Representation with Textual Semantics: Textual Semantics-Powered Prototypes for Heterogeneous Federated Learning
von: Wu, Xinghao, et al.
Veröffentlicht: (2025)

$γ$-FedHT: Stepsize-Aware Hard-Threshold Gradient Compression in Federated Learning
von: Lu, Rongwei, et al.
Veröffentlicht: (2025)

Resisting Backdoor Attacks in Federated Learning via Bidirectional Elections and Individual Perspective
von: Qin, Zhen, et al.
Veröffentlicht: (2023)

A Comprehensive Framework for Analyzing the Convergence of Adam: Bridging the Gap with SGD
von: Jin, Ruinan, et al.
Veröffentlicht: (2024)

FedCal: Achieving Local and Global Calibration in Federated Learning via Aggregated Parameterized Scaler
von: Peng, Hongyi, et al.
Veröffentlicht: (2024)

FedRE: A Representation Entanglement Framework for Model-Heterogeneous Federated Learning
von: Yao, Yuan, et al.
Veröffentlicht: (2025)

Federated Model Heterogeneous Matryoshka Representation Learning
von: Yi, Liping, et al.
Veröffentlicht: (2024)

Hierarchical Federated Learning for Social Network with Mobility
von: Chen, Zeyu, et al.
Veröffentlicht: (2025)

Advantage Shaping as Surrogate Reward Maximization: Unifying Pass@K Policy Gradients
von: Thrampoulidis, Christos, et al.
Veröffentlicht: (2025)

pFedAFM: Adaptive Feature Mixture for Batch-Level Personalization in Heterogeneous Federated Learning
von: Yi, Liping, et al.
Veröffentlicht: (2024)

TextResNet: Decoupling and Routing Optimization Signals in Compound AI Systems via Deep Residual Tuning
von: Huang, Suizhi, et al.
Veröffentlicht: (2026)

GI-SMN: Gradient Inversion Attack against Federated Learning without Prior Knowledge
von: Qian, Jin, et al.
Veröffentlicht: (2024)

Federated Graph Learning with Adaptive Importance-based Sampling
von: Li, Anran, et al.
Veröffentlicht: (2024)

pFedLoRA: Model-Heterogeneous Personalized Federated Learning with LoRA Tuning
von: Yi, Liping, et al.
Veröffentlicht: (2023)

Overcoming Data and Model Heterogeneities in Decentralized Federated Learning via Synthetic Anchors
von: Huang, Chun-Yin, et al.
Veröffentlicht: (2024)

Textual Gradients are a Flawed Metaphor for Automatic Prompt Optimization
von: Melcer, Daniel, et al.
Veröffentlicht: (2025)

Token Hidden Reward: Steering Exploration-Exploitation in Group Relative Deep Reinforcement Learning
von: Deng, Wenlong, et al.
Veröffentlicht: (2025)

FedBCD:Communication-Efficient Accelerated Block Coordinate Gradient Descent for Federated Learning
von: Liu, Junkang, et al.
Veröffentlicht: (2026)