以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Federated learning (FL) keeps raw data local, but most deployments still rely on a trusted coordinator for client admission, checkpoint distribution, update collection, aggregation, and rewards. This paper presents AuditFL, a contract-backed clearing layer for auditable FL in open settings. AuditFL keeps training and a
阅读原文 · Alexandros Balla, Spyros Lalis
向阳乔木 · opencode-go/deepseek-v4.1-flash
联邦学习这些年一直有个尴尬：数据留在本地了，可谁来管谁能参加、发什么模型、收谁的更新、给谁发奖励，最后还是落在一个可信协调者身上。开放场景里，这个角色既当裁判又当记账员，出了问题很难追。 AuditFL 想动的就是这一层。它不试图去掉聚合方，而是把聚合方的每一轮决策变成 可归因、可重放、可审计、有经济约束 的链上记录。这个定位挺务实。 论文：原文链接｜PDF...