Jerry Adams Franklin

该工作以实测的每轮上传与下载字节数（而非参数量比例）衡量五种联邦 LoRA 协议，并以留出指令跟随损失构建统一的通信-质量前沿；其中 ReverseAdaptive 先学习两个 LoRA 因子、当训练损失的相对改进低于一个无量纲阈值后冻结其中一个，它位于前沿的拐点：相对 FLoRA 减少 40.5% 的实测往返通信而留出损失代价为 0.0063，并在留出损失上比在初始化时即冻结该因子的 FFA-LoRA 好 0.0182（超过各方法最大种子标准差的二十倍），同一阈值无需重新调参即可迁移到 LLaMA-3.2-3B 并节省 30.0%。

该工作以实测的每轮上传与下载字节数（而非参数量比例）衡量五种联邦 LoRA 协议，并以留出指令跟随损失构建统一的通信-质量前沿；其中 ReverseAdaptive 先学习两个 LoRA 因子、当训练损失的相对改进低于一个无量纲阈值后冻结其中一个，它位于前沿的拐点：相对 FLoRA 减少 40.5% 的实测往返通信而留出损失代价为 0.0063，并在留出损失上比在初始化时即冻结该因子的 FFA-LoRA 好 0.0182（超过各方法最大种子标准差的二十倍），同一阈值无需重新调参即可迁移到 LLaMA-3.2-3B 并节省 30.0%。