Allineamento dei Prototipi nell'Apprendimento Federato Eterogeneo

Un nuovo articolo su arXiv (2605.05959) critica i metodi esistenti basati su prototipi nell'apprendimento federato eterogeneo (HtFL). Gli autori sostengono che gli approcci attuali, che riutilizzano l'allineamento basato su MSE o coseno dall'FL omogeneo, eseguono solo un allineamento delle coordinate—costringendo le rappresentazioni dei client a corrispondere elemento per elemento ai prototipi globali. Questa ipotesi è valida quando tutti i client condividono lo stesso estrattore di caratteristiche, ma fallisce in HtFL dove i client differiscono sia nelle distribuzioni dei dati che nelle architetture dei modelli. L'articolo propone un passaggio verso l'allineamento strutturale per gestire meglio l'eterogeneità.