本文介绍了多种联邦学习（FL）方法，旨在解决系统异构和统计异构问题。主要方法包括：FedPrune通过剪枝提高鲁棒性和公平性；MPFL降低通信成本；AutoFLIP动态剪枝以改善全局收敛；FedCliP优化客户端选择以减少通信开销；PruneFL和FedLP通过参数修剪提升效率；MaPP-FL保护隐私并保持准确性；FedMef在内存受限设备上表现优异；FedComLoc提高通信效率。