FLARE

2025年 4月 16日

在大型語言模型時代，通過消息量化和流式傳輸實現高效的聯邦學習

聯邦學習 (Federated Learning, FL) 已成為一種在分布式數據源中訓練機器學習模型的有前景的方法，同時還能保護數據隱私。
2 MIN READ
2025年 4月 11日

借助 NVIDIA FLARE 和 Meta ExecuTorch，在移動設備上輕松進行聯邦學習

NVIDIA 和 Meta 的 PyTorch 團隊宣布開展突破性合作，通過集成 NVIDIA FLARE 和 ExecuTorch ，
3 MIN READ
2025年 3月 24日

集成 Flower和 NVIDIA FLARE，加速聯邦學習生態系統發展

近年來， Flower 和 NVIDIA FLARE 等開源系統已成為聯邦學習 (FL) 領域的關鍵工具，每個系統都有其獨特的關注點。
3 MIN READ
2024年 12月 18日

利用 XGBoost 中的 CUDA 加速同態加密實現聯邦學習數據隱私安全性

XGBoost 是一種廣泛用于表格數據建模的機器學習算法。為了將 XGBoost 模型從單站點學習擴展到多站點協作訓練，
3 MIN READ
2024年 6月 28日

NVIDIA FLARE 助力聯邦 XGBoost 實現實用高效

XGBoost 是一種高效且可擴展的機器學習算法，廣泛應用于回歸、分類和排名任務。它基于梯度提升原則，
2 MIN READ
2024年 3月 6日

借助 NVIDIA FLARE 2.4，在幾分鐘內將機器學習轉變為聯邦學習

協同學習 (FL) 受到加速采用的原因在于其分布式、保護隱私的特性。在醫療健康和金融服務等領域，協同學習 (FL) 作為一種隱私增強技術，
4 MIN READ
2024年 2月 29日

借助 NVIDIA FLARE 實現可擴展聯邦學習，提升 LLM 性能

隨著人工智能技術的不斷發展，大型語言模型(LLM) 的有效數據管理成為一個重要挑戰。數據是模型性能的核心。
3 MIN READ
2023年 9月 28日

使用 NVIDIA FLARE 通過聯合學習防止健康數據泄露

在 2021 年，超過 4000 萬人的健康數據被泄露，而且這個趨勢并不樂觀。
2 MIN READ