一句话结论
长时程基准测试显示接收方联邦学习信任边界随时间失效，需独立审计方可在 600 轮后保留 98% 增益。
关键要点
- 基准含 13 个半合成站点、14 种方法、600 轮 CPU 实验及 Qwen3-1.7B LoRA 站点 500 轮测试，覆盖完整攻击协议与精确预言机。
- 固定参考判据在 20 组配对种子下更好识别对初始模型有益转移，但误放 29% 对当前模型有害的转移。
- 当前模型判据在 CPU 层仅误放 2% 有害转移，却漏掉大量对初始模型有益的数据，两种判据存在互斥失效模式。
- 独立审计在 600 轮时部署 65% 至 72% 模型且无负收益目标，保留 98% 增益，无陈旧报告符号错误。
- 38% 对抗站点下仅 FedFomo 与 CS-Gate 在所有诚实组均保持正平均增益，其余 12 种方法均出现负收益组。
背景与事实
2026 年 11 月 1 日提交于 arXiv cs.LG 的论文提出名为"长时程接收方定向联邦学习基准"的实验框架，专门检验信任边界在数百轮迭代中的稳定性。实验包含 13 个半合成站点构成的联邦网络，每个站点在自有数据上对每个来源和模型组件做出接纳、拒绝或暂缓判断，研究团队针对所有评估转移配备精确预言机，并采用配对种子控制变量。CPU 层实验覆盖 14 种方法、600 轮迭代及 20 组配对种子；语言模型层使用 Qwen3-1.7B 配合 LoRA 微调，执行 500 轮测试，另有 60 个精选转移在 100 轮内进行 Qwen3 共性目标对比。
测试同时纳入攻击协议与 20,000 条独立审计观测，其中方差自适应界用于检测陈旧转移。审计机制的核心设计是保持门控判断不变，在训练完成后决定每个最终模型是否部署或回退至本地训练，并报告已失效的接纳记录。实验还包含 38% 对抗站点比例的压力测试，验证各方法在恶意参与者存在下的鲁棒性。
影响分析
这是基于现有实验数据做出的分析判断。中文开发者构建接收方联邦学习系统时，若沿用固定参考模型作为信任判据，将在数百轮后显著误放对当前模型有害的转移，29% 的误放率意味着每 100 次接纳中约 29 次实际损害模型性能。反之若切换至当前模型判据，虽能将有害转移误放率压至 2%，但会系统性地漏掉对初始模型有益的转移，导致部分站点无法获取早期阶段的有效知识。这对依赖持续迭代的垂直行业应用（如医疗、金融模型更新）构成直接风险：团队必须在固定判据与动态判据间做出架构选择，或引入独立审计层作为安全兜底。
对使用 Qwen3-1.7B 等中文大模型做 LoRA 联邦微调的从业者而言，实验显示即便在 500 轮内，信任边界的漂移模式与 CPU 层一致，即长时程训练中门控失效是跨架构的普遍现象。38% 对抗站点下仅 FedFomo 与 CS-Gate 保持正收益，提示生产环境若无法保证参与者完全诚实，应优先选择这两种方法或叠加审计机制。
适用边界
上述结论仅适用于半合成站点、配对种子、精确预言机可得的受控基准环境。真实工业场景中站点数据分布漂移、通信噪声、部分参与者数据量差异及缺乏精确预言机等情况可能放大或掩盖信任边界漂移，29% 与 2% 的误放率数值不能直接外推至无预言机的生产系统。Qwen3-1.7B 的结论限于 LoRA 微调、500 轮、60 个精选转移的共性目标设定，全参数微调或不同基座模型下失效模式可能不同。审计机制 98% 增益保留率依赖 20,000 条独立观测及方差自适应界，观测数不足或目标分布变化时保证强度下降。
孤本观察
这是编辑基于本文事实的判断：信任边界随时间失效并非单一门控缺陷，而是固定判据与动态判据在"有益性"定义上的内在矛盾——有益性本身随模型演进而重新定义，因此任何静态判据必然在某侧产生漏判或误判，审计层之所以必要，正是因为它将判断时点与部署时点解耦。
常见问题
独立审计机制在 600 轮时部署率与增益保留率分别是多少？
部署率为 65% 至 72%，保留 98% 增益，且无负收益目标。
在 38% 对抗站点下，哪些联邦学习方法保持了正平均增益？
仅 FedFomo 与 CS-Gate 在所有诚实组均保持正平均增益。
固定参考判据在识别有益转移时的误放率是多少？
误放 29% 对当前模型有害的转移。
Qwen3-1.7B 语言模型层测试的具体设置是什么？
配合 LoRA 微调，执行 500 轮测试，另含 60 个精选转移在 100 轮内的共性目标对比。
基准实验覆盖了哪些主要参数与站点数量？
含 13 个半合成站点、14 种方法、600 轮 CPU 实验及 20 组配对种子。
来源：arXiv cs.LG