自然梯度变分推断

超越欧氏 gossip：异构且不平衡图像上的 KL 重心共识

Beyond Euclidean Gossip: KL-Barycentric Consensus on Heterogeneous and Imbalanced Images

为视觉模型在去中心化、非独立同分布数据上的协同训练提供几何感知的共识机制：在指数族期望参数空间做线性混合即得前向KL重心，可直接替换联邦/去中心化视觉训练中的权重平均，缓解异构站点间的分布漂移。