研究发现，将联邦学习框架应用于更深的神经网络时，性能会显著下降，主要原因是由于不同客户端模型之间的不一致性逐步积累，称为“发散累积”。提出了减少发散的技术指南，如使用更宽的模型和减少接受场，这些方法可以大大提高联邦学习在更深层次上的准确性。