标签
本文介绍了FedeRage，这是一种风险规避的联邦学习方法，使用条件风险价值来解决未知客户端参与和异构性问题，并在实验中展示了更高的准确性、公平性和收敛性。
本文提出了一种在线、无分布假设的框架，用于在对抗性和非平稳环境中控制条件风险价值（CVaR），具有渐近保证，并在投资组合风险管理和大型语言模型（LLM）毒性缓解中具有应用。