Newest papers

The Dynamics of Collapse and Recovery in Clustered Federated Learning

Priyanka Sinha, Snigdhansu Chatterjee · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28565 · open-access PDF

Arabic

يمكن أن تتأثر التعلم المشترك (CFL) من فشل الكلاسيكية. في المقام الأول، تحت إعادة تأهيل غير متوقعة، يتم التركيز على مجموعة متنوعة على نموذج كلاسيكي واحد، والتي يتم تدريبها في اتجاه التوازن المشترك، في حين أن نموذج آخر لا يحصل على تحديثات. لأن النماذج الحالية تحدد توجيه العملاء وتحديد توجيه التحديثات النماذج التالية، ونشرت التعلم المشترك كسيطرة على نظام ديناميكي غير معروف، مع نموذج الكلاسيكية كواقع تطور، نموذج توجيه العملاء كواقع التحكم، وتدخل توجيه كواقع تطور كواقع تطور.

Machine translation (Meta M2M100); the English original follows.

Abstract

Clustered federated learning (CFL) can suffer from cluster collapse. In particular, under unfavorable initialization, early client assignments concentrate heterogeneous groups on one cluster model, which is then trained toward a pooled compromise, while another model receives no updates. Since the current models determine client routing and routing determines subsequent model updates, we formulate clustered federated learning as control of an unknown dynamical system, with cluster models as the evolving state, client routing patterns as the control input, and routing interventions as state dep

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange