في عالم المركبات المتصلة، يعتمد الأداء العالي على قدرة المركبات على العمل معاً في بيئات معقدة. تقدم ورقة بحثية جديدة حلاً مبتكراً من خلال نموذج تعلم هيراركي متعدد المهام للمركبات، والذي يعرف باسم تعلم هيراركي متعدد المهام مع تبادل المشفرات (EN-HMTFL).

بدلاً من أن تقوم كل مركبة بتدريب نموذج خاص بها لوحدها، يوفر هذا النظام طريقة مبتكرة تسمح للمركبات بالتشارك في مشفر عالمي. كل مركبة تحتفظ بنماذجها الخاصة وتقوم بتحميل الميزات الأساسية فقط. هذا يعني أن البيانات الخاصة بكل مركبة تظل آمنة، بينما يمكنها الاستفادة من المعرفة التراكمية لبقية المركبات.

أظهرت التجارب التي أجريت على مجموعات بيانات MNIST وGTSRB في سيناريوهات مختلفة أن النموذج الجديد يحسن الدقة بنسبة تصل إلى 24% مقارنةً بأساليب التحميل التقليدية. وفي السيناريوهات التي يحقق فيها EN-HMTFL تقارباً أسرع، يتم تقليل عدد جولات الاتصال بمقدار يصل إلى 69 جولة، وهو ما يعكس فعالية التقنية الجديدة.