論文の概要: Benchmarking Robust Aggregation in Decentralized Gradient Marketplaces

• arxiv url: http://arxiv.org/abs/2509.05833v1
• Date: Sat, 06 Sep 2025 21:06:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.735282
• Title: Benchmarking Robust Aggregation in Decentralized Gradient Marketplaces
• Title（参考訳）: 分散Gradient Marketplaceにおけるロバスト集約のベンチマーク
• Authors: Zeyu Song, Sainyam Galhotra, Shagufta Mehnaz,
• Abstract要約: 本稿では,バイヤーベースライン・リライアント・マーケットプレースにおけるロバスト・グラデーション・アグリゲーション・メソッドを全体評価するためのベンチマーク・フレームワークを提案する。 提案するコントリビューションは,(1)多様な買い手ベースラインと多様な売り手分布を備えたシミュレーション環境モデリング型マーケットプレースダイナミクス,(2)経済効率,公正性,選択ダイナミクスといったマーケットプレース中心の次元を持つ標準FLメトリクスを増強する評価方法論,(3)既存の分散グラディエントマーケットプレースフレームワークであるMartFLの詳細な実証分析である。
• 参考スコア（独自算出の注目度）: 12.367831558441994
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rise of distributed and privacy-preserving machine learning has sparked interest in decentralized gradient marketplaces, where participants trade intermediate artifacts like gradients. However, existing Federated Learning (FL) benchmarks overlook critical economic and systemic factors unique to such marketplaces-cost-effectiveness, fairness to sellers, and market stability-especially when a buyer relies on a private baseline dataset for evaluation. We introduce a comprehensive benchmark framework to holistically evaluate robust gradient aggregation methods within these buyer-baseline-reliant marketplaces. Our contributions include: (1) a simulation environment modeling marketplace dynamics with a variable buyer baseline and diverse seller distributions; (2) an evaluation methodology augmenting standard FL metrics with marketplace-centric dimensions such as Economic Efficiency, Fairness, and Selection Dynamics; (3) an in-depth empirical analysis of the existing Distributed Gradient Marketplace framework, MartFL, including the integration and comparative evaluation of adapted FLTrust and SkyMask as alternative aggregation strategies within it. This benchmark spans diverse datasets, local attacks, and Sybil attacks targeting the marketplace selection process; and (4) actionable insights into the trade-offs between model performance, robustness, cost, fairness, and stability. This benchmark equips the community with essential tools and empirical evidence to evaluate and design more robust, equitable, and economically viable decentralized gradient marketplaces.
• Abstract（参考訳）: 分散およびプライバシ保護機械学習の台頭は、参加者がグラデーションのような中間的なアーティファクトを交換する分散した勾配市場への関心を喚起した。 しかし、既存のフェデレートラーニング(FL)ベンチマークは、特に買い手が評価のためにプライベートベースラインデータセットに依存する場合、こうした市場にとっての費用対効果、売り手に対する公正性、市場の安定性に特有の経済的・システム的要因を見落としている。 本稿では,これらの買い手ベースライン・リライアント・マーケットプレースにおけるロバスト・グラデーション・アグリゲーション・メソッドを全体評価するための包括的なベンチマーク・フレームワークを提案する。 提案するコントリビューションは,(1)多様な買い手ベースラインと多様な売り手分布を備えたシミュレーション環境モデリング型マーケットプレースダイナミックス,(2)経済効率,公正性,選択ダイナミクスといったマーケットプレース中心の次元を持つ標準FLメトリクスを増強する評価方法論,(3)既存の分散グラディエントマーケットプレースフレームワークであるMartFLの詳細な実験分析,そして,その内部で適用されたFLTrustとSkyMaskの統合と比較評価を含む。 このベンチマークは、マーケットプレース選択プロセスをターゲットにした多様なデータセット、ローカルアタック、およびSybilアタックにまたがっており、(4)モデルパフォーマンス、堅牢性、コスト、公正性、安定性の間のトレードオフに関する実行可能な洞察である。 このベンチマークは、より堅牢で、公平で、経済的に実行可能な非中央集権的市場を評価するための重要なツールと実証的な証拠をコミュニティに提供する。

関連論文リスト

• Multi-Agent Reinforcement Learning for Dynamic Pricing in Supply Chains: Benchmarking Strategic Agent Behaviours under Realistically Simulated Market Conditions [4.072683489517408]
  本研究では,MARL(Multi-Agent Reinforcement Learning)がサプライチェーンの動的価格戦略をどのように改善するかを検討する。 MARLは、静的な価格ルールに縛られずに、突発的な戦略行動を導入し、ダイナミックな価格設定における将来の発展を知らせる。
  論文  参考訳（メタデータ） (2025-07-03T15:07:37Z)
• Large-Scale Contextual Market Equilibrium Computation through Deep Learning [10.286961524745966]
  本稿では,市場均衡を近似する深層学習方式であるMarketFCNetを紹介する。 MarketFCNetは,既存の手法と比較して,競争性能と実行時間を大幅に低下させることを示す。
  論文  参考訳（メタデータ） (2024-06-11T03:36:00Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and Regime-Switch VAE [113.47287249524008]
  オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。 本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。 4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-06-05T12:58:13Z)
• Machine Learning Framework: Competitive Intelligence and Key Drivers Identification of Market Share Trends Among Healthcare Facilities [0.0]
  アメリカ(アメリカ合衆国)の医療事業がこの研究のために選ばれている。 ワシントン州の60の重要施設にまたがるデータと、約3年間の歴史的データを扱う。
  論文  参考訳（メタデータ） (2022-12-09T12:30:34Z)
• Efficient Model-based Multi-agent Reinforcement Learning via Optimistic Equilibrium Computation [93.52573037053449]
  H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。 自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
  論文  参考訳（メタデータ） (2022-03-14T17:24:03Z)
• Multi-Asset Spot and Option Market Simulation [52.77024349608834]
  正規化フローに基づく1つの基盤となる1つのマーケットシミュレータを現実的に構築する。 本研究では, 正規化流れの条件付き可逆性を活用し, 独立シミュレータの連立分布をキャリブレーションするスケーラブルな手法を提案する。
  論文  参考訳（メタデータ） (2021-12-13T17:34:28Z)
• Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
  本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。 模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
  論文  参考訳（メタデータ） (2021-12-08T14:55:21Z)
• A Deep Reinforcement Learning Framework for Continuous Intraday Market Bidding [69.37299910149981]
  再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。 欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。 本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。 その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T13:50:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。