КБФИТ: Конструкторское бюро функциональных информационных технологий
IT и технологии · 11 октября 2026 г.
📊 Verona (ACM BCB '26): много узлов — не значит точнее
📊 Verona (ACM BCB '26): много узлов — не значит точнее Когда добавление новых участников в рой перестаёт давать прирост точности? Работа Verona (ACM BCB '26) исследует масштабируемость Swarm Learning на клинических данных ОРИТ. По сообщению авторов: ➠ при фиксированном объёме данных «много малых узлов» проигрывает «нескольким крупным» из-за насыщения ➠ в IID-сценарии прирост быстро падает до нуля ➠ в non-IID добавление узла может как улучшить, так и ухудшить результат ➠ причина — не ограничение модели, а децентрализованная агрегация и фрагментация данных Вывод: существует оптимальный размер роя. KPI-фреймворк (ING, IG₁₀₀₀, NER) помогает оценить предел ещё на этапе планирования. 📖 Читать статью 📣 Макс | Телеграм | Вконтакте | Rutube #АнатомияЦифровизации #КБФИТ #SwarmLearning #ИИвМедицине