NVIDIA FLARE Auto-FL 發佈：用 AI 智能體自動化聯邦學習研究 NEWS DETAIL

聯邦學習研究者常常面臨"下一步該嘗試甚麼"的問題——新的聚合規則、FedProx 系數、優化器設置或模型架構調整都可能看起來很有前景。NVIDIA 發佈 FLARE Auto-FL 示例，通過 AI 智能體驅動的自動化研究循環，幫助研究者更高效地評估更多想法。

Auto-FL 的核心思路是：從可比較的基準任務出發，給智能體清晰的研究控制平面，設定固定訓練預算，約束變異空間，並將每次結果記錄到實驗分類賬中。智能體可在保持 FLARE 客戶端 API 和 Recipe API 合約的前提下，自主迭代候選 FL 策略。

Agent 驅動的實驗循環受到充分約束以避免破壞 FL 合約，結果可測量以比較不同想法，足夠穩定以支援長期自主運行，同時將完整的 Auto-FL 活動轉化為可復現、可溯源的研究報告。每個候選運行的指標、超參數和決策理由都記錄在可審計的實驗分類賬中。