基于动态优化客户端训练的联邦检索增强生成框架

张承业; 赵雁斌; 蓝飘; 刘经友; 滚真灵

doi:10.11907/rjdk.251426

您当前的位置：

首页 >

文章列表页 >

基于动态优化客户端训练的联邦检索增强生成框架

计算机软件与理论 | 更新时间：2025-12-16

- 基于动态优化客户端训练的联邦检索增强生成框架
- Federated Retrieval-Augmented Generation Framework Based on Dynamic Optimization of Client Training
- “在隐私保护领域，DFRAG框架通过动态优化客户端训练，提升了问答任务准确率和训练效率，为知识密集型任务提供了高效解决方案。”
- 软件导刊 2025年24卷第12期页码：161-167
- 作者机构：
  
  广州广电运通信息科技有限公司，广东广州 510555
- 作者简介：
  
  张承业（1985-），男，博士，广州广电运通信息科技有限公司高级工程师，研究方向为数据底座技术、大数据平台技术、政企数字化转型
  赵雁斌（1998-），男，硕士，广州广电运通信息科技有限公司软件工程师，研究方向为自然语言处理、联邦学习。
- 基金信息：
- DOI：10.11907/rjdk.251426
  中图分类号： TP391.1
- 收稿：2025-07-31，
  
  纸质出版：2025-12-15
- 稿件说明：
移动端阅览
张承业,赵雁斌,蓝飘等.基于动态优化客户端训练的联邦检索增强生成框架[J].软件导刊,2025,24(12):161-167.

ZHANG Chengye,ZHAO Yanbin,LAN Piao,et al.Federated Retrieval-Augmented Generation Framework Based on Dynamic Optimization of Client Training[J].Software Guide,2025,24(12):161-167.
张承业,赵雁斌,蓝飘等.基于动态优化客户端训练的联邦检索增强生成框架[J].软件导刊,2025,24(12):161-167. DOI： 10.11907/rjdk.251426.

ZHANG Chengye,ZHAO Yanbin,LAN Piao,et al.Federated Retrieval-Augmented Generation Framework Based on Dynamic Optimization of Client Training[J].Software Guide,2025,24(12):161-167. DOI： 10.11907/rjdk.251426.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于大语言模型的自动答题方法研究

基于差分隐私的联邦学习在学生成绩等级预测中的应用研究

基于多权重主观逻辑的联邦学习攻击防御机制

基于动态优化客户端训练的联邦检索增强生成框架

Federated Retrieval-Augmented Generation Framework Based on Dynamic Optimization of Client Training

DOI：10.11907/rjdk.251426