第一部分：基本信息
https://arxiv.org/pdf/2509.06984
-
论文题目：FediLoRA: Heterogeneous LoRA for Federated Multimodal Fine-tuning under Missing Modalities
-
作者/单位：Lishan Yang, Wei Emma Zhang 等；The University of Adelaide 等机构
-
研究方向：联邦学习（FL）+ 参数高效微调（PEFT/LoRA）+ 多模态（如图像-文本）+ 模态缺失（missing modality）
-
核心贡献（作者自己总结）：
-
提出维度级（dimension-wise）加权聚合，处理异构 LoRA rank 且避免信息被 zero-padding 稀释；
- 提出层级（layer-wise）LoRA 编辑，用全局 LoRA 参数“修复”本地退化层，提升客户端与全局性能；
- 在三个多模态联邦基准上验证全局与个性化效果更好，尤其在模态不完整时。
-
<
