新框架利用LLaMA实现异构心理健康数据隐私协作
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
研究人员提出一种基于大模型的模式感知分割学习框架，用于跨机构心理健康调查数据的隐私保护协作。该方案将调查记录序列化为自然语言描述，利用LLaMA-3.2-3B-Instruct模型作为共享语义编码器统一异构模式。通过LoRA微调并将模型分割部署，原始数据保留在本地，仅轻量前端在客户端运行。实验显示，该框架在2000个训练样本下平均ANLS达0.708，在九种设置中的八种超越联邦学习，并将客户端计算量降低了三个数量级。
为什么值得看
解决了医疗数据隐私与异构性难题，大幅降低客户端算力需求。
Llama大模型微调
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。