该文提出了一个新的联邦学习框架和算法，利用跨客户的分布式计算能力，实现在客户之间学习共享的数据表示和每个客户的独特的本地头。该算法在线性设置中获得与地面实况表示的线性收敛，并获得接近最优样本复杂度，从而在每个客户端高效地降低问题维度。