基于大语言模型驱动的无线联邦学习方法

本申请涉及一种基于大语言模型驱动的无线联邦学习方法，利用来自多个用户设备的模型参数进行联合多任务训练，得到更新后的模型参数；并将更新后的模型参数上传到中央服务器进行聚合，生成全局模型参数，在中央服务器布置大语言模型对全局模型参数进行微调，微调后的全局模型参数随后在用户设备之间共享，促进协作同时保护隐私；本申请实现了在保护数据隐私的前提下，提高联邦学习在无线通信环境中的收敛速度、通信效率和模型性能，同时增强了全局性能和资源利用效率。