この記事では、連合学習（FL）の効率性を向上させるための新たなアプローチが紹介されています。連合学習は、データプライバシーを保つ形で分散デバイス間でモデルを共同訓練する手法ですが、通常は事前に設定されたラウンド数で進行し、最適なパフォーマンスが達成される前に不必要な計算が行われることがあります。著者たちは、生成AIを活用してモデルのパフォーマンスを監視し、早期停止のタイミングを決定するゼロショット合成検証フレームワークを提案しています。この方法により、訓練が最適ラウンドの近くで適応的に停止し、計算資源を節約しつつ、迅速なハイパーパラメータ調整を可能にします。多ラベルの胸部X線分類に関する数値結果では、訓練ラウンドを最大74%削減しながら、最適値から1%以内の精度を維持できることが示されています。