该文介绍了一个新的联邦学习框架FedImT，专门解决联邦学习场景中的类别不平衡问题。该框架包含一个在线方案，可以在每轮聚合期间估计数据组成，并引入一种自衰减迭代等价物来跟踪多个估计值的变化，并及时调整损失计算的平衡，以解决少数类别的问题。实验证明了该框架在解决不平衡问题上的有效性，同时没有额外的能源消耗和隐私风险。