梯度净化

微调损害了基础模型在长尾个性化联邦学习中的平衡性

Fine-Tuning Impairs the Balancedness of Foundation Models in Long-tailed Personalized Federated Learning

论文揭示了对基础模型进行微调会破坏其固有的类别平衡性，并提出用零样本预测净化本地梯度、以残差学习实现无偏个性化，这为视觉基础模型在非独立同分布长尾数据上的联邦微调提供了可复用的梯度修正与残差适配思路。