네트워크 기반 개인화 모델을 위한 분산 협업 학습

본 논문은 피어‑투‑피어 네트워크 상에서 각 에이전트가 자신만의 학습 목표를 가지고 개인화 모델을 학습하는 상황을 다룬다. 전통적인 중앙집중식 혹은 서버‑기반 협업 학습은 모든 에이전트가 동일한 전역 모델을 목표로 하거나, 중앙 서버가 통신·조정을 담당한다는 한계가 있다. 저자는 이러한 제약을 벗어나, 에이전트들이 서로 직접 통신하면서도 각자의 목적을 유지할 수 있는 완전 분산 알고리즘을 설계한다. **1. 문제 정의 및 기본 가정** - 에이전트 집합 V={1,…,n} 각각은 로컬 데이터 S_i (크기 m_i)와 손실 함수 ℓ(θ;x,y) 를 가진다. - 목표는 각 에이전트 i가 파라미터 θ_i ∈ℝ^p 를 찾아 E_{(x,y)∼μ_i}