该论文综合评估了联邦学习算法，重点研究了分散结构和中央汇聚方法，并探讨了多种聚合策略的效果。研究发现，完全分散的算法在多个条件下准确性可比，本地更新速率更高，噪声环境操作能力更好，但在极度偏斜的数据分布下影响严重。因此，多节点操作可能比单一算法更有效。