Buchumschlag

FedMerge: Federated Personalization via Model Merging

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Shutong, Zhou, Tianyi, Long, Guodong, Jiang, Jing, Zhang, Chengqi
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

Multi-Level Additive Modeling for Structured Non-IID Federated Learning
von: Chen, Shutong, et al.
Veröffentlicht: (2024)

Personalized Federated Collaborative Filtering: A Variational AutoEncoder Approach
von: Li, Zhiwei, et al.
Veröffentlicht: (2024)

Federated Foundation Models on Heterogeneous Time Series
von: Chen, Shengchao, et al.
Veröffentlicht: (2024)

Influence-oriented Personalized Federated Learning
von: Tan, Yue, et al.
Veröffentlicht: (2024)

Personalized Adapter for Large Meteorology Model on Devices: Towards Weather Foundation Models
von: Chen, Shengchao, et al.
Veröffentlicht: (2024)

A Survey of Personalized Federated Foundation Models for Privacy-Preserving Recommendation
von: Li, Zhiwei, et al.
Veröffentlicht: (2025)

Federated Vision-Language-Recommendation with Personalized Fusion
von: Li, Zhiwei, et al.
Veröffentlicht: (2024)

Federated Prompt Learning for Weather Foundation Models on Devices
von: Chen, Shengchao, et al.
Veröffentlicht: (2023)

Federated Recommendation with Additive Personalization
von: Li, Zhiwei, et al.
Veröffentlicht: (2023)

Federated Low-Rank Adaptation for Foundation Models: A Survey
von: Yang, Yiyuan, et al.
Veröffentlicht: (2025)

Communication-Efficient Personalized Adaptation via Federated-Local Model Merging
von: Zou, Yinan, et al.
Veröffentlicht: (2026)

Navigating the Future of Federated Recommendation Systems with Foundation Models
von: Li, Zhiwei, et al.
Veröffentlicht: (2024)

Dynamic Model Merging Made Slim
von: Du, Guodong, et al.
Veröffentlicht: (2026)

Federated Adapter on Foundation Models: An Out-Of-Distribution Approach
von: Yang, Yiyuan, et al.
Veröffentlicht: (2025)

MergeMix: Optimizing Mid-Training Data Mixtures via Learnable Model Merging
von: Wang, Jiapeng, et al.
Veröffentlicht: (2026)

Extra-Merge: Tracing the Rank-1 Subspace of Model Merging in Language Model Pre-Training
von: Zhou, Wenjie, et al.
Veröffentlicht: (2026)

DC-Merge: Improving Model Merging with Directional Consistency
von: Zhang, Han-Chen, et al.
Veröffentlicht: (2026)

Expert Merging: Model Merging with Unsupervised Expert Alignment and Importance-Guided Layer Chunking
von: Zhang, Dengming, et al.
Veröffentlicht: (2025)

Dual-Personalizing Adapter for Federated Foundation Models
von: Yang, Yiyuan, et al.
Veröffentlicht: (2024)

Bi-level Personalization for Federated Foundation Models: A Task-vector Aggregation Approach
von: Yang, Yiyuan, et al.
Veröffentlicht: (2025)

What Hides behind Unfairness? Exploring Dynamics Fairness in Reinforcement Learning
von: Deng, Zhihong, et al.
Veröffentlicht: (2024)

MIN-Merging: Merge the Important Neurons for Model Merging
von: Liang, Yunfei
Veröffentlicht: (2025)

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

Pareto Merging: Multi-Objective Optimization for Preference-Aware Model Merging
von: Chen, Weiyu, et al.
Veröffentlicht: (2024)

Merge and Guide: Unifying Model Merging and Guided Decoding for Controllable Multi-Objective Generation
von: Xie, Guofu, et al.
Veröffentlicht: (2025)

BadMerging: Backdoor Attacks Against Model Merging
von: Zhang, Jinghuai, et al.
Veröffentlicht: (2024)

Parameter Competition Balancing for Model Merging
von: Du, Guodong, et al.
Veröffentlicht: (2024)

Merge to Mix: Mixing Datasets via Model Merging
von: Tao, Zhixu Silvia, et al.
Veröffentlicht: (2025)

Personalized Interpretation on Federated Learning: A Virtual Concepts approach
von: Yan, Peng, et al.
Veröffentlicht: (2024)

PSO-Merging: Merging Models Based on Particle Swarm Optimization
von: Zhang, Kehao, et al.
Veröffentlicht: (2025)

Channel Merging: Preserving Specialization for Merged Experts
von: Zhang, Mingyang, et al.
Veröffentlicht: (2024)

Scalable Model Merging with Progressive Layer-wise Distillation
von: Xu, Jing, et al.
Veröffentlicht: (2025)

FeDaL: Federated Dataset Learning for General Time Series Foundation Models
von: Chen, Shengchao, et al.
Veröffentlicht: (2025)

Bi-level Heterogeneous Learning for Time Series Foundation Models: A Federated Learning Approach
von: Chen, Shengchao, et al.
Veröffentlicht: (2026)

Rethinking Layer-wise Model Merging through Chain of Merges
von: Buzzega, Pietro, et al.
Veröffentlicht: (2025)

FW-Merging: Scaling Model Merging with Frank-Wolfe Optimization
von: Chen, Hao Mark, et al.
Veröffentlicht: (2025)

Client-supervised Federated Learning: Towards One-model-for-all Personalization
von: Yan, Peng, et al.
Veröffentlicht: (2024)

Mix Data or Merge Models? Balancing the Helpfulness, Honesty, and Harmlessness of Large Language Model via Model Merging
von: Yang, Jinluan, et al.
Veröffentlicht: (2025)

MergeMoE: Efficient Compression of MoE Models via Expert Output Merging
von: Miao, Ruijie, et al.
Veröffentlicht: (2025)

Federated Weather Modeling on Sensor Data
von: Chen, Shengchao, et al.
Veröffentlicht: (2026)