HERO: Uma Biblioteca de Benchmarks Consciente de Heterogeneidade para Aprendizado Contínuo Federado

arXiv:2607.08784v1 Tipo de Anúncio: novo Resumo: O aprendizado contínuo federado (FCL) avalia como clientes distribuídos aprendem a partir de fluxos de dados variáveis enquanto retêm o conhecimento aprendido anteriormente. As avaliações existentes são difíceis de comparar porque frequentemente alteram, ao mesmo tempo, os conjuntos de dados, as divisões de tarefas, as divisões de dados dos clientes, as ordens das tarefas, os backbones, as suposições de memória e as regras de reporte. Apresentamos o \textbf{HERO}, uma biblioteca de benchmarks consciente de heterogeneidade para FCL. O HERO constrói fluxos de benchmark por...