武科大網訊（通訊員曾憲森）近日，計算機科學與技術學院2024級博士研究生辛韻同學在導師魯劍鋒教授的指導下，撰寫的學術論文《DaringFed: A Dynamic Bayesian Persuasion Pricing for Online Federated Learning under Two-sided Incomplete Information》，被第34屆國際人工智能聯合會議（IJCAI2025）正式錄用。

據悉，本次會議共收到5404篇投稿，其中有1042篇被接受，接受率為19.3%。IJCAI會議內容主要圍繞著人工智能相關理論及應用，是人工智能領域中最主要的學術會議之一，也是全球學術界以及企業界人工智能研究人員和實踐者的頂級國際聚會。中國計算機學會（CCF）推薦國際學術會議目錄將IJCAI列為人工智能領域A類會議。

在線聯邦學習是一種實時學習范式，它在每位隨機到達的客戶端參與后立即執行模型聚合。為了激勵客戶端積極參與，提供合理的補償以抵消其訓練資源消耗至關重要。然而，設計激勵機制受到在線聯邦學習“雙邊不完全信息”（即資源動態變化的限制：服務器無法獲知客戶端動態變化的計算資源，而客戶端也不了解服務器實時分配的通信資源）制約。為實現按到達順序為每位客戶端動態提供獎勵以激勵其參與訓練，本文設計了一種適用于雙邊不完全信息環境下的在線聯邦學習動態貝葉斯勸說定價機制，稱為 DaringFed。具體而言，首先，將服務器與客戶端之間的交互建模為貝葉斯勸說博弈中的一個動態信號傳遞與定價分配問題，并進一步證明該博弈存在唯一的貝葉斯勸說納什均衡。然后，在單邊信息不完全的設定下，推導出DaringFed的最優設計方案，并在雙邊不完全信息的背景下，給出了具有特定誤差界的近似最優設計。最后，基于真實數據集的實驗證明，DaringFed可將模型精度與收斂速度提升16.99%；基于仿真數據集的實驗進一步驗證了對未知量的估計收斂性以及DaringFed在提升服務器效用方面的有效性，提升幅度最高可達12.6%。

辛韻同學在碩士期間加入魯劍鋒教授團隊，發表多篇高水平論文，并榮獲國家獎學金、省優秀畢業生等多個榮譽稱號，2024年通過我校博士招生考試，繼續跟隨魯劍鋒教授攻讀博士學位。她目前的主要研究方向是聯邦學習與邊緣智能。

魯劍鋒教授是湖北省“楚天學者”特聘教授、浙江省杰出青年基金獲得者、武漢科技大學三級教授、博導、CCF高級會員、CCF物聯網/普適計算專委會執行委員、國家重點研發計劃“物聯網與智慧城市”重點專項答辯評審專家、湖北省等九省市科技計劃項目評審專家等；主要從事邊緣智能、聯邦學習、群智計算等方向研究，借鑒博弈論策略思維，采用最優化理論、李雅普諾夫優化、近似算法、機器學習等多學科交叉知識融會貫通，聯合解決聯邦學習與群智計算中公平激勵、服務交換、競爭困境等難題。近年來以第一作者/通訊作者在TMC、JSAC、TSC、TIFS、IJCAI、AAAI、TOIT、TII、TVT、TCSS、TCE、TETCI等有影響力的學術期刊及會議上發表論文50余篇（其中，CCF-A 10篇，IEEE/ACM Transactions/Journal 20余篇），授權國家發明專利8件；先后主持國家自然科學基金4項、省部級課題7項；指導研究生獲省/校優秀畢業生稱號、優秀碩士學位論文、研究生國家獎學金、校長特別獎多人次，多人畢業后赴上海交通大學、中南大學等著名高校讀博深造。