NVIDIA FLARE 实现联邦多模态训练，通信量降 99%

dl_weekly · x · 2026-08-27

NVIDIA 技术博客介绍了如何使用 NVIDIA FLARE 编排联邦多模态 AI 工作流。重点介绍了 FedUMM 方法，该方法在冻结的 BLIP 骨干网络上仅交换轻量级 LoRA 适配器。实验显示，这种方法将每轮每客户端的通信量从 28.6 GB 大幅降至 0.094 GB，同时保持了约 97% 的集中式训练性能。文章还探讨了利用 Recipe API、Tensor Downloader 和磁盘卸载模块来应对网络和内存约束的工程实践。