动态学习率

Fed-ADE：分布偏移下联邦后自适应的自适应学习率

Fed-ADE: Adaptive Learning Rate for Federated Post-adaptation under Distribution Shift

为视觉模型部署后的无标签在线自适应提供了一套按客户端、按时间步动态调节学习率的机制：用预测不确定性的变化与特征漂移来估计分布偏移强度，可直接迁移到视觉模型在非平稳数据流上的持续测试时自适应，避免固定学习率导致的欠拟合或发散。