基本信息

---

下载

文档摘要

---

2025年联邦学习模型异构性处理考题（含答案与解析）

一、单选题（共15题）

1.在联邦学习中，以下哪种策略可以有效减少模型大小和计算复杂度？

A.参数高效微调（LoRA/QLoRA）

B.模型并行策略

C.知识蒸馏

D.结构剪枝

答案：A

解析：参数高效微调（LoRA/QLoRA）通过仅调整模型的一小部分参数来微调模型，从而显著减少模型大小和计算复杂度，参考《联邦学习模型优化技术指南》2025版4.2节。

2.在处理异构设备时，以下哪种技术可以提高模型的分布式训练效率？

A.持续预训练策略

B.对抗性攻击防御

C.推理加速技术

D.云边端协同部署

答案：D

解析