2025年联邦学习模型聚合效率考题（含答案与解析）.pdfVIP

2025年联邦学习模型聚合效率考题含（答案

与解析）

一、单选题共（15题）

1.在联邦学习模型聚合过程中，以.哪种方法可以有效地减少通信开销并提高模型聚合效

率？

A.线性聚合

B.随机梯度聚合

C.采样聚合

D.梯度共享

答案：C

解析：采样聚合通过在客户端随机选择梯度进行聚合，可以显著减少通信数据量，从而提高

模型聚合效率。根据《联邦学习原理与实践》2025版第四章2.2节，采样聚合在保证模型性

能的同时，显著降低了通信开销。

2.在模型量化过程中，以下哪种量化方法能够保持模型在量化后的高精度？

A.INT8对称量化

B.INT8非对称量化

C.INT4量化

D.FP16量化

答案：A

解析：INT8对称审:化通过将FP32参数映射到INT8范围，在保证模型精度的情况下，有效降

低了模型参数的精度，从而保持模型在量化后的高精度。参考《模型量化技术白皮书》2025

版3.2节。

3.在对抗性攻击防御中，以下哪种方法可以有效地提高模型的鲁棒性？

A.损失函数改进

B.输入数据预处理

C