众包联邦学习中不一致标签表示

Key Points

• 不一致的标签表示使联邦学习结果复杂化，影响算法的有效性。
• 来自不同来源的数据展示了标记的变异性，突显了标准化的需求。
• 分析批评了当前联邦学习中的算法，强调了它们在数据隐私和准确性方面的局限性。
• 改善标签一致性可能增强众包系统的性能，值得进一步探索。