Fed-GRPO: Reward-Signal-Driven Federated Group Relative Policy Optimization

arXiv cs.AI · 9 oct, 06:00

Fed-GRPO es un método de entrenamiento federado para modelos de lenguaje grande que permite el ajuste fino mediante aprendizaje reforzado sin compartir datos brutos, abordando restricciones de privacidad y cumplimiento normativo. El enfoque utiliza señales de recompensa para guiar la agregación, el entrenamiento local y la comunicación entre clientes.