研究者基金申请两度被拒且零反馈，将联邦学习论文公开挂上 arXiv

wandedob · x · 2026-11-03

研究者 Anders Eklund 称其基金申请 1 月提交、3 月被拒，4 月提交加长版再遭拒绝，且未收到任何反馈意见，索性将论文《Federated learning for unpaired multimodal data》挂上 arXiv 征求公众评论。

论文提出在非配对多模态数据上做联邦学习的框架：各节点数据模态不同且严格私密（如一节点只有传感器数据、另一节点只有文本日志），现有 FL 方法失效。方案包括：用小型公开锚点集与 Gram 矩阵、通过中心化核齐性对齐（CKA）实现跨模态语义对齐而不传输私有样本;子空间稳定的微调方法处理巨型 transformer;以及用不确定性估计对不可靠节点降权的精度加权平均。