GEN-Guard: correcting generalization failures in deployable federated surgical AI

GEN-Guard 是一个隐私保护的事后框架，用于修正联邦手术 AI 部署到未见医院时的泛化失败，外部站点评测中性能最多下降 23%。它先用 Client-Blocked Evaluation（CBE）留出一家机构作最差情形代理来选模型，再用 Disagreement-Aware Distillation（DAD）以无标签信号把稳健特征迁移回常规模型。在 Multi-Cholec 与 PolypGen 上最差机构 F1 提升（如手术阶段识别的 FedProx 从 54.57 升至 63.50），46 次实验中 82.6% 的标准联邦学习运行出现 Model Selection Failure。