武科大网讯（通讯员曾宪森）近日，计算机科学与技术学院2024级博士研究生辛韵同学在导师鲁剑锋教授的指导下，撰写的学术论文《DaringFed: A Dynamic Bayesian Persuasion Pricing for Online Federated Learning under Two-sided Incomplete Information》，被第34届国际人工智能联合会议（IJCAI2025）正式录用。
据悉，本次会议共收到5404篇投稿，其中有1042篇被接受，接受率为19.3%。IJCAI会议内容主要围绕着人工智能相关理论及应用，是人工智能领域中最主要的学术会议之一，也是全球学术界以及企业界人工智能研究人员和实践者的顶级国际聚会。中国计算机学会（CCF）推荐国际学术会议目录将IJCAI列为人工智能领域A类会议。
在线联邦学习是一种实时学习范式，它在每位随机到达的客户端参与后立即执行模型聚合。为了激励客户端积极参与，提供合理的补偿以抵消其训练资源消耗至关重要。然而，设计激励机制受到在线联邦学习“双边不完全信息”（即资源动态变化的限制：服务器无法获知客户端动态变化的计算资源，而客户端也不了解服务器实时分配的通信资源）制约。为实现按到达顺序为每位客户端动态提供奖励以激励其参与训练，本文设计了一种适用于双边不完全信息环境下的在线联邦学习动态贝叶斯劝说定价机制，称为 DaringFed。具体而言，首先，将服务器与客户端之间的交互建模为贝叶斯劝说博弈中的一个动态信号传递与定价分配问题，并进一步证明该博弈存在唯一的贝叶斯劝说纳什均衡。然后，在单边信息不完全的设定下，推导出DaringFed的最优设计方案，并在双边不完全信息的背景下，给出了具有特定误差界的近似最优设计。最后，基于真实数据集的实验证明，DaringFed可将模型精度与收敛速度提升16.99%；基于仿真数据集的实验进一步验证了对未知量的估计收敛性以及DaringFed在提升服务器效用方面的有效性，提升幅度最高可达12.6%。
辛韵同学在硕士期间加入鲁剑锋教授团队，发表多篇高水平论文，并荣获国家奖学金、省优秀毕业生等多个荣誉称号，2024年通过我校博士招生考试，继续跟随鲁剑锋教授攻读博士学位。她目前的主要研究方向是联邦学习与边缘智能。
鲁剑锋教授是湖北省“楚天学者”特聘教授、浙江省杰出青年基金获得者、武汉科技大学三级教授、博导、CCF高级会员、CCF物联网/普适计算专委会执行委员、国家重点研发计划“物联网与智慧城市”重点专项答辩评审专家、湖北省等九省市科技计划项目评审专家等；主要从事边缘智能、联邦学习、群智计算等方向研究，借鉴博弈论策略思维，采用最优化理论、李雅普诺夫优化、近似算法、机器学习等多学科交叉知识融会贯通，联合解决联邦学习与群智计算中公平激励、服务交换、竞争困境等难题。近年来以第一作者/通讯作者在TMC、JSAC、TSC、TIFS、IJCAI、AAAI、TOIT、TII、TVT、TCSS、TCE、TETCI等有影响力的学术期刊及会议上发表论文50余篇（其中，CCF-A 10篇，IEEE/ACM Transactions/Journal 20余篇），授权国家发明专利8件；先后主持国家自然科学基金4项、省部级课题7项；指导研究生获省/校优秀毕业生称号、优秀硕士学位论文、研究生国家奖学金、校长特别奖多人次，多人毕业后赴上海交通大学、中南大学等著名高校读博深造。
