本研究提出了稀疏三元压缩（STC）技术，适用于联邦学习环境。实验结果表明，STC在非独立同分布数据和低参与率情况下优于联邦平均法，同时在保持准确度的前提下减少了训练迭代和通信成本。此外，研究探讨了压缩技术对通信成本和模型准确性的影响，并提出了多种新框架以提升通信效率和模型性能。