多模式代理网络的 QoS 感知词元调度和私有数据评估

在代理系统中，人类生成的数据记录锚定了人工智能服务的价值。然而，云计算管道将处理集中在远程服务器上。数据集中化降低了个人数据主权，并可能降低服务质量 (QoS)。同时，用户贡献的数量和质量各不相同：去中心化的记录可能是有偏见的、嘈杂的和异构分布的。为了解决数据挑战，我们研究了去中心化和资源受限的代理系统的公平Token配额分配和私有数据评估。我们的方法将多模态表示嵌入到共享语义空间中，并发布差分隐私（DP）原型以保留实用性，同时减少语义泄漏。借助 DP 保证，我们设计了公平的Token配额分配方案，奖励有效的贡献，并对数据异构性和 AI 资源稀缺性保持稳健。广泛的模拟表明，与标准基准相比，基于贡献的公平性和服务质量得到了改善。对图像重建攻击的抵抗力的提高表明多模式个人数据的隐私性得到了增强。