本文提出pFedHR框架，通过异构模型重组实现个性化联邦学习，将模型匹配作为优化任务，自动生成多样化模型，在三个数据集上优于基线。同时介绍了FedBABU、FedTSDP、FedProx和FedKA等算法，分别解决个性化下降、数据倾斜、异构收敛和类别遗忘问题，提升性能与效率。