本研究提出了一种联邦黑寡妇优化（FedBWO）技术，以解决资源受限设备的传输能力不足问题。该方法仅传输性能得分，从而减少通信数据量，实验结果显示准确率提高了21%，通信成本显著降低。

mHuBERT-147是第一个以90K小时的干净、开源数据训练的通用多语言HuBERT语音表示模型。它通过聚类实现了5.2倍更快的标签分配速度，并应用了新的多语言批量上采样策略。在经过3次训练迭代后，mHuBERT-147能够胜过在更多数据上训练的更大模型，并在ML-SUPERB排行榜上具有最高的性能得分。在ASR/LID任务中，mHuBERT-147始终超越XLS-R和MMS，并提供了高性能和参数效率之间的平衡。