MBZUAI 发布 ATR-Bench 数据集, 应用在 联邦学习、性能评估 领域

MBZUAI 本次发布的数据集 ATR-Bench, ATR-Bench是一个用于分析联邦学习的统一框架，通过适应性、信任和推理三个基本维度进行评估。该数据集由MBZUAI、昆士兰大学、加州大学圣克鲁斯分校、耶鲁大学、Gaash实验室和NIT斯里纳加尔的研究人员共同创建。ATR-Bench旨在解决联邦学习中的实际挑战，如数据异构性、安全性和推理能力。数据集的创建过程涉及到对现有方法的深入分析和基准测试，以及新方法的开发。ATR-Bench的应用领域包括但不限于医疗分析、计算机视觉、自然语言处理和多模态学习等，旨在提高模型在现实世界场景下的泛化能力、鲁棒性和公平性。

查看ATR-Bench

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。