SCALA是一种分布式机器学习框架，通过分离学习过程并聚合局部模型来共同训练共享模型。它解决了数据异质性和标签分布倾斜问题，并在公共数据集上表现出优越性。

Fed-CO2是一个用于处理标签分布倾斜和特征倾斜的联邦学习框架，通过在线和离线模型合作机制增强模型合作，提供内部和客户间知识传递机制来增强领域泛化能力。Fed-CO2优于现有个性化联邦学习算法。