Quadro di incentivi sensibile al tempo per l'apprendimento federato durante i periodi critici

Un articolo pubblicato su arXiv introduce un quadro di incentivi basato sulla teoria dei contratti, noto come Right Reward Right Time (R3T), volto ad affrontare i periodi critici di apprendimento (CLP) nell'apprendimento federato (FL). I CLP rappresentano fasi iniziali in cui contributi di scarsa qualità, come dati di addestramento sparsi, possono avere un impatto negativo duraturo sull'efficacia del modello globale. Gli attuali sistemi di incentivi trascurano la diversa importanza dei round di addestramento, trattandoli tutti allo stesso modo e ignorando la necessità di input di alta qualità durante i CLP. Il problema è aggravato dall'asimmetria informativa dovuta alle leggi sulla privacy, che impedisce al cloud di conoscere le capacità di addestramento dei clienti, causando selezione avversa e azzardo morale. R3T promuove la partecipazione dei clienti nei CLP per migliorare l'utilità del cloud, stabilendo una funzione di utilità che bilancia le prestazioni del modello con gli incentivi.