Buchumschlag

FedLLM: A Privacy-Preserving Federated Large Language Model for Explainable Traffic Flow Prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kaur, Seerat, Sehra, Sukhjit Singh, Ebrahimi, Dariush
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FedLLM-Bench: Realistic Benchmarks for Federated Learning of Large Language Models
von: Ye, Rui, et al.
Veröffentlicht: (2024)

CG-FedLLM: How to Compress Gradients in Federated Fune-tuning for Large Language Models
von: Wu, Huiwen, et al.
Veröffentlicht: (2024)

FwdLLM: Efficient FedLLM using Forward Gradient
von: Xu, Mengwei, et al.
Veröffentlicht: (2023)

FedLLM-Align: Feature Extraction From Heterogeneous Clients
von: Gaber, Abdelrhman, et al.
Veröffentlicht: (2025)

Towards Explainable Traffic Flow Prediction with Large Language Models
von: Guo, Xusen, et al.
Veröffentlicht: (2024)

An Interactive Framework for Implementing Privacy-Preserving Federated Learning: Experiments on Large Language Models
von: Ahmadi, Kasra, et al.
Veröffentlicht: (2025)

FedEM: A Privacy-Preserving Framework for Concurrent Utility Preservation in Federated Learning
von: Xu, Mingcong, et al.
Veröffentlicht: (2025)

FedSpaLLM: Federated Pruning of Large Language Models
von: Bai, Guangji, et al.
Veröffentlicht: (2024)

Introduction to Reinforcement Learning
von: Ghasemi, Majid, et al.
Veröffentlicht: (2024)

Privacy-Preserving Personalized Federated Prompt Learning for Multimodal Large Language Models
von: Tran, Linh, et al.
Veröffentlicht: (2025)

Taylor-Series Expanded Kolmogorov-Arnold Network for Medical Imaging Classification
von: Fatema, Kaniz, et al.
Veröffentlicht: (2025)

FedSAF: A Federated Learning Framework for Enhanced Gastric Cancer Detection and Privacy Preservation
von: Miao, Yuxin, et al.
Veröffentlicht: (2025)

FedDis: A Causal Disentanglement Framework for Federated Traffic Prediction
von: Zhou, Chengyang, et al.
Veröffentlicht: (2026)

FedFG: Privacy-Preserving and Robust Federated Learning via Flow-Matching Generation
von: Wang, Ruiyang, et al.
Veröffentlicht: (2026)

Privacy Preserving In-Context-Learning Framework for Large Language Models
von: Bhusal, Bishnu, et al.
Veröffentlicht: (2025)

AutoFed: Personalized Federated Traffic Prediction via Adaptive Prompt
von: Zhao, Zijian, et al.
Veröffentlicht: (2025)

FedMPDD: Communication-Efficient Federated Learning with Privacy Preservation Attributes via Projected Directional Derivative
von: Rostami, Mohammadreza, et al.
Veröffentlicht: (2025)

FedGAT: A Privacy-Preserving Federated Approximation Algorithm for Graph Attention Networks
von: Ambekar, Siddharth, et al.
Veröffentlicht: (2024)

FedsLLM: Federated Split Learning for Large Language Models over Communication Networks
von: Zhao, Kai, et al.
Veröffentlicht: (2024)

A Comprehensive Survey of Reinforcement Learning: From Algorithms to Practical Challenges
von: Ghasemi, Majid, et al.
Veröffentlicht: (2024)

FedML-HE: An Efficient Homomorphic-Encryption-Based Privacy-Preserving Federated Learning System
von: Jin, Weizhao, et al.
Veröffentlicht: (2023)

FedTDP: A Privacy-Preserving and Unified Framework for Trajectory Data Preparation via Federated Learning
von: Zeng, Zhihao, et al.
Veröffentlicht: (2025)

Fed-KAN: Federated Learning with Kolmogorov-Arnold Networks for Traffic Prediction
von: Zeydan, Engin, et al.
Veröffentlicht: (2025)

Rethinking LoRA for Privacy-Preserving Federated Learning in Large Models
von: Liu, Jin, et al.
Veröffentlicht: (2026)

FedPF: Accurate Target Privacy Preserving Federated Learning Balancing Fairness and Utility
von: Sun, Kangkang, et al.
Veröffentlicht: (2025)

FedRLHF: A Convergence-Guaranteed Federated Framework for Privacy-Preserving and Personalized RLHF
von: Fan, Flint Xiaofeng, et al.
Veröffentlicht: (2024)

Federated Foundation Models: Privacy-Preserving and Collaborative Learning for Large Models
von: Yu, Sixing, et al.
Veröffentlicht: (2023)

Fed-SE: Federated Self-Evolution for Privacy-Constrained Multi-Environment LLM Agents
von: Chen, Xiang, et al.
Veröffentlicht: (2025)

FedEval-LLM: Federated Evaluation of Large Language Models on Downstream Tasks with Collective Wisdom
von: He, Yuanqin, et al.
Veröffentlicht: (2024)

Graph Federated Unlearning for Privacy Preservation
von: Ma, Ruotong, et al.
Veröffentlicht: (2026)

Embracing Large Language Models in Traffic Flow Forecasting
von: Zhao, Yusheng, et al.
Veröffentlicht: (2024)

Privacy-Preserving Federated Learning for Fair and Efficient Urban Traffic Optimization
von: Shit, Rathin Chandra, et al.
Veröffentlicht: (2025)

Wireless Traffic Prediction with Large Language Model
von: Zhang, Chuanting, et al.
Veröffentlicht: (2025)

Privacy-Preserving Data Fusion for Traffic State Estimation: A Vertical Federated Learning Approach
von: Wang, Qiqing, et al.
Veröffentlicht: (2024)

FedNET: Federated Learning for Proactive Traffic Management and Network Capacity Planning
von: Panda, Saroj Kumar, et al.
Veröffentlicht: (2025)

A Federated Learning Approach to Privacy Preserving Offensive Language Identification
von: Zampieri, Marcos, et al.
Veröffentlicht: (2024)

Analysis of Privacy Leakage in Federated Large Language Models
von: Vu, Minh N., et al.
Veröffentlicht: (2024)

FedMeNF: Privacy-Preserving Federated Meta-Learning for Neural Fields
von: Yun, Junhyeog, et al.
Veröffentlicht: (2025)

FedCF: Fair Federated Conformal Prediction
von: Srinivasan, Anutam, et al.
Veröffentlicht: (2025)

Spatial-Temporal Large Language Model for Traffic Prediction
von: Liu, Chenxi, et al.
Veröffentlicht: (2024)