FL-MAESTRO：面向资源受限联邦学习的多 Agent LLM 编排

英文标题：FL-MAESTRO: Multi-Agent LLM Orchestration for Resource-Constrained Federated Learning

该论文提出 FL-MAESTRO，一种面向资源受限联邦学习（FL）的多 Agent 大语言模型编排方法。论文指出，联邦学习中的通信拓扑并非固定设计：训练过程中，连接和边缘设备会动态加入或退出。服务器需要在每一轮训练中协同作出多项相互耦合的决策，以适应动态资源与通信条件。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB