公平な連邦学習における複数のモデルの同時トレーニング

連邦学習において、クライアントが複数のタスクを同時にトレーニングする際の公平性を確保するアルゴリズムを提案する。モデルの難易度の違いを考慮した上で、クライアントをタスクに動的に割り当てることで、各タスクの収束精度や収束時間の公平性を高める。さらに、クライアントの意欲を引き出す入札メカニズムを設計し、公平な参加率を実現する。