arXiv 2026年10月12日联邦微调不再二选一:全局适配器共享、个性化投影留在本地,十个数据集平均调和均值82.15BLEND把CLIP的联邦微调拆成共享的视觉/文本适配器和每个客户端私有的视觉投影适配器,在十个图像数据集上把个性化与泛化的调和均值平均做到82.15,比最强基线高4.81个百分点。BLEND把CLIP的联邦微调拆成共享的视觉/文本适配器和每个客户端私有的视觉投影适配器,在十个图像数据集上把个性化与泛化的调和均值平均做到82.15,比最强基线高4.81个百分点。Zhejiang UniversityUniversity at Buffalo, State University of New YorkPayam Abdisarabshali(第一作者)#BLEND联邦视觉语言模型框架#联邦学习#视觉-语言模型#基于适配器的微调#对比语言-图像预训练