AI 기관들은 고유한 요구 사항에 맞는 이질적 모델을 개발하고 있지만, 훈련 중 데이터 부족 문제에 직면하고 있다. 기존의 페더레이티드 러닝(Federated Learning, FL)은 동질적 모델 협업만을 지원하는데, 이는 모든 클라이언트 간에 동일한 아키텍처가 필요하다는 제약이 있다. 그러나 클라이언트는 고유한 요구 사항에 맞게 모델 아키텍처를 개발하고 있다. 또한, 노력이 많이 들어가는 로컬에서 훈련된 모델을 공유하는 것은 지적 재산을 포함하고 참여자들의 흥미를 줄일 수 있다.

<Mark Tech Post 뉴스 본문 전체읽기>