第8～11章 应用、联邦强化学习与生态扩展
本页按任务、序列决策、行业项目和生态治理四类问题组织专题。行业案例用于学习分析方法，不能直接替代技术选型、安全评估或合规判断。
先选择你的问题
| 你想解决的问题 | 建议阅读 | 先记住什么 |
|---|---|---|
| 联邦学习如何适配CV、NLP和推荐？ | 第8章：CV、NLP与推荐 | 相同训练骨架在不同任务中会遇到不同瓶颈 |
| 数据由策略与环境交互产生怎么办？ | 第9章：联邦强化学习 | 策略会改变后续数据，平均回报不代表安全 |
| 一个行业是否真的应该使用FL？ | 第10章：行业应用 | 数据敏感不是采用FL的充分条件 |
| 如何验收完整联邦项目？ | 第11章：生态与法律 | 统计、系统、安全、经济和法律必须同时成立 |
四个专题的关系
快速判定：不要从行业名称选择算法
- 先看数据：样本、特征和标签分别由谁持有？
- 再看任务：训练数据是固定样本，还是由策略动态生成？
- 再看交换：共享模型、梯度、激活、加密统计还是预测结果？
- 最后看治理：参与方为什么加入，谁负责审计、退出和模型失败？
推荐阅读顺序
第一次学习建议依次阅读第8章任务案例、第10章行业判定和第11章五层验收。已有强化学习基础时，再单独进入第9章。