免费编程教程

全部标签 Python 自动化 安全 隐私 分布式 推理 开源 大模型 系统设计 Java 可视化 性能
最新
联邦学习与 TEE 结合

将联邦聚合服务器置于 TEE 可信执行环境中，确保聚合过程不被窥探或篡改，增强安全等级。

人工智能 TEE 联邦学习 安全聚合
2 0 0
2026-06-28
最新
密态机器学习

实现在加密数据上直接进行机器学习的模型推理甚至训练，保护模型和数据的双重隐私。

人工智能 密态机器学习 同态加密 安全
1 0 0
2026-06-28
最新
多方安全计算库

学习使用 MP-SPDZ、Microsoft SEAL 等开源库实现安全多方计算协议，为隐私保护机器学习奠基。

人工智能 MPC 库 隐私计算
1 0 0
2026-06-28
最新
隐私计算框架 Rosetta

在 TensorFlow 中无感使用安全多方计算，通过 Rosetta 将普通算子转换为加密算子，实现密态训练。

人工智能 Rosetta 隐私计算 多方安全计算
1 0 0
2026-06-28
最新
NVIDIA FLARE

利用 NVIDIA FLARE 构建安全、可扩展的联邦学习系统，支持差分隐私和同态加密等高级特性。

人工智能 NVIDIA FLARE 联邦学习 安全
3 0 0
2026-06-28
最新
OpenFL 框架

使用 OpenFL 设计联邦实验，支持自定义模型和聚合算法，轻松在分布式环境中协作训练。

人工智能 OpenFL 联邦学习 开源
2 0 0
2026-06-28
最新
联邦学习平台 FATE

学习使用 FATE 搭建联邦学习项目，进行横向和纵向联邦训练与评估，集成多种安全协议。

人工智能 FATE 联邦学习 平台
1 0 0
2026-06-28
最新
非独立同分布 non-IID

专门应对联邦学习中标签分布偏斜和客户端特征不同的方法，如数据共享和模型正则化。

人工智能 non-IID 联邦学习 标签倾斜
2 0 0
2026-06-28
最新
数据异构挑战

深入分析联邦学习中客户端数据非独立同分布的原因，及其对收敛性和模型性能的负面影响。

人工智能 数据异构 Non-IID 联邦学习
3 0 0
2026-06-28
最新
稳健联邦学习

研究在存在恶意或故障客户端的条件下，通过鲁棒聚合规则（如中位数、修剪平均）保障模型安全训练。

人工智能 稳健联邦 安全 防御
2 0 0
2026-06-28
最新
公平联邦学习

在设计联邦学习算法时考虑公平性，避免模型仅对多数参与方好而牺牲弱势客户端的性能。

人工智能 公平联邦学习 公平性 联邦学习
2 0 0
2026-06-28
最新
联邦增强

在联邦学习客户端使用生成模型创建合成数据，缓解数据异构和标签不均衡的问题。

人工智能 联邦增强 数据增强 联邦学习
1 0 0
2026-06-28
最新
联邦元学习

将元学习与联邦框架结合，学习一个能快速通过少量梯度步适应任意本地客户的初始化模型。

人工智能 联邦元学习 MAML 联邦学习
3 0 0
2026-06-28
最新
个性化联邦学习

在保护隐私的同时，为每个参与方调整出更贴合其本地数据分布的个性化模型，提升用户体验。

人工智能 个性化 联邦学习 本地适配
4 0 0
2026-06-28
最新
SCAFFOLD

学习 SCAFFOLD 算法，利用全局和本地控制变量校正本地更新方向，显著减少 Non-IID 下的漂移。

人工智能 SCAFFOLD 联邦学习 优化
2 0 0
2026-06-28
最新
FedNova

了解 FedNova 如何在聚合时对不一致的本地更新步数进行归一化，获得一致的联邦模型更新。

人工智能 FedNova 联邦优化 归一化
1 0 0
2026-06-28
最新
联邦优化算法 FedProx

学习 FedProx 在本地目标函数中加入近端项，约束本地更新不偏离全局模型，应对 Non-IID 数据。

人工智能 FedProx 联邦学习 异构
2 0 0
2026-06-28
最新
梯度稀疏化

在每次迭代中仅传输绝对值最大的少部分梯度，其余累积为残差，实现高压缩率通信。

人工智能 梯度稀疏化 通信 分布式
2 0 0
2026-06-28
最新
梯度量化

学习对分布式训练的梯度进行极端压缩，如 QSGD、1-bit SGD，大幅降低通信开销。

人工智能 梯度量化 通信压缩 分布式
2 0 0
2026-06-28
最新
数据传输压缩梯度

在分布式训练中压缩要传输的梯度，通过量化、Top-k 稀疏化和低秩分解减少通信量。

人工智能 梯度压缩 通信 分布式
2 0 0
2026-06-28
最新
垂直联邦学习

深入纵向联邦的隐私实体对齐技术和联邦特征分桶、分箱方法，安全合并多源特征。

人工智能 垂直联邦 隐私 特征工程
3 0 0
2026-06-28
最新
分割学习 Split Learning

将神经网络切分为客户端和服务器两部分，客户端只传中间激活，兼顾隐私与联合训练。

人工智能 分割学习 隐私 协作训练
3 0 0
2026-06-28
最新
模型联邦推理

在多个数据源节点上本地进行部分推理，仅交换加密或聚合的中间结果，保护原始数据隐私。

人工智能 联邦推理 隐私 分布式
6 0 0
2026-06-28
最新
5G MEC 边缘 AI

在 5G 网络的多接入边缘计算节点上部署 AI 推理，结合大带宽和低延迟优势支持车联网等场景。

人工智能 5G MEC 边缘AI
1 0 0
2026-06-28
最新
边缘服务器 AI

将模型部署在靠近数据源头的边缘服务器上，提供低延迟的实时推理，减少云端依赖。

人工智能 边缘服务器 AI 低延迟
2 0 0
2026-06-28
最新
浏览器内 WebGPU 推理

利用 WebGPU API 在 Chrome 等浏览器中加速运行 ONNX 或 Transformers.js 模型，实现客户端 AI。

人工智能 WebGPU 浏览器推理 本地AI
1 0 0
2026-06-28
最新
手机 GPU 推理

使用 GPU 委托（如 TFLite GPU Delegate）在安卓和 iOS 设备上运行优化后的神经网络，降低时延。

人工智能 手机GPU 推理 加速
3 0 0
2026-06-28
最新
硬件感知模型设计

在设计模型时考虑目标硬件的延迟和能耗，通过神经架构搜索或手工设计找到硬件友好的结构。

人工智能 硬件感知 模型设计 NAS
1 0 0
2026-06-28
最新
三值化网络

在二值化基础上增加 0 值，用 -1、0、+1 表示权重，以较小代价提升模型的表达能力。

人工智能 三值化 量化 模型压缩
2 0 0
2026-06-28
最新
二值化神经网络

系统学习二值化神经网络的设计与训练技巧，将卷积和全连接层用位操作替代，极大加速推理。

人工智能 二值化 BNN 模型压缩
2 0 0
2026-06-28
最新
1-bit LLM BitNet

探索 BitNet 架构如何将大模型权重压缩到 1 比特，在极低算力和内存需求下保持竞争力。

人工智能 BitNet 1-bit 模型压缩
2 0 0
2026-06-28
最新
MobileLLM

学习 MobileLLM 针对手机延迟和内存受限的设计原则，包括深度增加、嵌入共享和分组查询注意力。

人工智能 MobileLLM 移动端 高效
3 0 0
2026-06-28
最新
TinyLlama

了解 TinyLlama 如何以 1.1B 参数在万亿 Token 上训练，实现可在手机端运行的优秀语言能力。

人工智能 TinyLlama 轻量 预训练
2 0 0
2026-06-28
最新
Gemma 轻量模型

了解 Google Gemma 轻量模型的架构、训练数据及其在同类小模型中的表现，用于本地快速推理。

人工智能 Gemma 轻量 开源
1 0 0
2026-06-28
最新
Phi 系列小模型

学习微软 Phi 系列如何用高质量合成教科书级数据训练，在极小参数下获得令人惊艳的推理能力。

人工智能 Phi 小模型 合成数据
3 0 0
2026-06-28
最新
大模型小型化研究

综述当前将大规模语言模型缩小但仍保持强大能力的研究方向，包括 Phi、Gemma 等轻量级架构。

人工智能 大模型小型化 轻量 高效
3 0 0
2026-06-28
最新
多模态蒸馏

将多模态教师模型（如视觉-语言模型）的知识蒸馏到仅使用单模态输入的学生模型，简化部署。

人工智能 多模态蒸馏 跨模态 知识蒸馏
2 0 0
2026-06-28
最新
关系蒸馏

让学生模仿教师对批量样本间两两相似关系，传递数据流形结构信息，提升蒸馏质量。

人工智能 关系蒸馏 结构化知识 蒸馏
1 0 0
2026-06-28
最新
特征蒸馏

除软标签外，让学生模型拟合教师模型中间层的特征图或嵌入，传递更高维的结构化知识。

人工智能 特征蒸馏 知识蒸馏 特征对齐
2 0 0
2026-06-28
最新
自蒸馏

深入自蒸馏实践，包括深层特征指导浅层、历史平均参数模型指导当前训练的自蒸馏范式。

人工智能 自蒸馏 正则化 知识蒸馏
3 0 0
2026-06-28
最新
在线蒸馏

在训练学生模型的同时更新教师模型，实现动态互学习，省去预训练固定教师模型的步骤。

人工智能 在线蒸馏 互学习 知识蒸馏
2 0 0
2026-06-28
最新
多教师蒸馏

让学生模型同时向多个教师模型学习，通过集成软标签或分层学习获得优于单一教师的性能。

人工智能 多教师蒸馏 知识蒸馏 集成
3 0 0
2026-06-27
最新
知识蒸馏训练策略

规划知识蒸馏的训练时机和方式，比较离线预训练蒸馏、在线同步蒸馏和渐进式蒸馏的优劣。

人工智能 知识蒸馏 训练策略 模型压缩
1 0 0
2026-06-27
最新
权重聚类量化

使用 K-Means 聚类将模型权重分组并用中心点替代，结合码本共享大幅压缩模型体积。

人工智能 权重聚类 量化 模型压缩
1 0 0
2026-06-27
最新
激活量化范围

掌握不同激活量化范围的设置方法，对比动态、静态和混合精度量化对推理速度和精度的影响。

人工智能 激活量化 范围 推理优化
2 0 0
2026-06-27
最新
量化校准数据集选择

学习如何选取代表性的校准数据来确定激活值的量化范围，最大化训练后量化的模型精度。

人工智能 量化校准 数据集 精度
6 0 0
2026-06-27
最新
ML 推理优化 ONNX 深入

深入学习 ONNX Runtime 的图级优化、执行提供者选择和 I/O 绑定，榨取模型推理的极限性能。

人工智能 ONNX 推理优化 加速
1 0 0
2026-06-27
最新
手机端 LLM 部署实例

实践在 Android 或 iOS 设备上运行量化后的大模型，如使用 MLCChat 或 llama.cpp 的移动端口。

人工智能 手机端LLM 部署 移动推理
1 0 0
2026-06-27
最新
大模型压缩到移动端

综合应用量化、剪枝、蒸馏和层融合等技术，将大模型压缩到可在手机上实时运行的尺寸。

人工智能 模型压缩 移动端 部署
2 0 0
2026-06-27
最新
模型身份认证

通过加密哈希或数字签名验证模型文件完整性，确保在生产环境中运行的模型未被恶意替换。

人工智能 模型身份 认证 安全
5 0 0
2026-06-27
最新
模型指纹

提取模型决策边界、梯度分布等内在表征作为独特指纹，无需嵌入额外信息即可鉴别模型身份。

人工智能 模型指纹 身份 知识产权
2 0 0
2026-06-27
最新
白盒水印

在模型训练时将水印编码到权重统计特性或特定卷积核中，需要模型内部访问才能提取。

人工智能 白盒水印 权重 知识产权
2 0 0
2026-06-27
最新
黑盒水印

设计一组秘密的触发输入，使嵌有水印的模型输出预定义结果，通过 API 即可验证所有权。

人工智能 黑盒水印 知识产权 验证
3 0 0
2026-06-27
最新
模型水印嵌入

学习将特定水印模式（如特定输入-输出对）嵌入模型参数或行为，以在争议时证明模型所有权。

人工智能 模型水印 知识产权 所有权
2 0 0
2026-06-27
最新
模型被盗用检测

通过嵌入水印、分析查询行为或模型指纹，判断某个可疑服务是否非法使用了你的模型知识产权。

人工智能 模型盗窃 检测 知识产权
2 0 0
2026-06-27
最新
联邦遗忘

在联邦学习环境中，从全局模型中删除某个参与方数据的影响，同时保持模型聚合的高效性。

人工智能 联邦遗忘 隐私 联邦学习
4 0 0
2026-06-27
最新
近似遗忘

利用影响函数或参数空间更新近似删除训练样本的影响，无需完整重训练，兼顾效率与隐私。

人工智能 近似遗忘 高效 隐私
2 0 0
2026-06-27
最新
精确遗忘

通过重训练删除数据后的子模型或基于分片缓存的方式，实现可验证的精确数据遗忘。

人工智能 精确遗忘 重训练 隐私
3 0 0
2026-06-27
最新
机器遗忘学习 Machine Unlearning

学习如何在已训练好的模型上消除特定训练数据点的影响，使其表现如同从未见过这些数据。

人工智能 机器遗忘 隐私 模型修正
2 0 0
2026-06-27
最新
数据遗忘权实现

响应数据主体的删除请求，从已收集的语料和备份中移除其所有个人数据，满足被遗忘权。

人工智能 遗忘权 隐私 GDPR
2 0 0
2026-06-27