FLARE

2025年 4月 16日

在大型语言模型时代，通过消息量化和流式传输实现高效的联邦学习

联邦学习 (Federated Learning, FL) 已成为一种在分布式数据源中训练机器学习模型的有前景的方法，同时还能保护数据隐私。
2 MIN READ
2025年 4月 11日

借助 NVIDIA FLARE 和 Meta ExecuTorch，在移动设备上轻松进行联邦学习

NVIDIA 和 Meta 的 PyTorch 团队宣布开展突破性合作，通过集成 NVIDIA FLARE 和 ExecuTorch ，
3 MIN READ
2025年 3月 24日

集成 Flower和 NVIDIA FLARE，加速联邦学习生态系统发展

近年来， Flower 和 NVIDIA FLARE 等开源系统已成为联邦学习 (FL) 领域的关键工具，每个系统都有其独特的关注点。
3 MIN READ
2024年 12月 18日

利用 XGBoost 中的 CUDA 加速同态加密实现联邦学习数据隐私安全性

XGBoost 是一种广泛用于表格数据建模的机器学习算法。为了将 XGBoost 模型从单站点学习扩展到多站点协作训练，
3 MIN READ
2024年 6月 28日

NVIDIA FLARE 助力联邦 XGBoost 实现实用高效

XGBoost 是一种高效且可扩展的机器学习算法，广泛应用于回归、分类和排名任务。它基于梯度提升原则，
2 MIN READ
2024年 3月 6日

借助 NVIDIA FLARE 2.4，在几分钟内将机器学习转变为联邦学习

协同学习 (FL) 受到加速采用的原因在于其分布式、保护隐私的特性。在医疗健康和金融服务等领域，协同学习 (FL) 作为一种隐私增强技术，
4 MIN READ
2024年 2月 29日

借助 NVIDIA FLARE 实现可扩展联邦学习，提升 LLM 性能

随着人工智能技术的不断发展，大型语言模型(LLM) 的有效数据管理成为一个重要挑战。数据是模型性能的核心。
3 MIN READ
2023年 9月 28日

使用 NVIDIA FLARE 通过联合学习防止健康数据泄露

在 2021 年，超过 4000 万人的健康数据被泄露，而且这个趋势并不乐观。
2 MIN READ