基于声誉的晶格去中心化联邦学习合作：进化博弈论方法

论文提出一种用于去中心化联邦学习的进化博弈框架，将点对点晶格网络、有限理性、训练与通信成本，以及声誉驱动的奖惩机制结合起来，以抑制搭便车行为。摘要称，仿真中平均准确率约由70%升至82%，合作频率从低于5%接近100%，准确率方差由约0.40降至0.002。