该文综述分布式联邦学习进展，涵盖分散式调度策略、异步事件触发共识聚合、混合联邦与集中学习框架、编码联邦学习、聚类联邦多任务学习、个性化联邦学习及StoCFL、FedCLG等新算法，旨在提升收敛速度、通信效率、模型准确性与隐私保护。

该文综述联邦取消学习研究，涵盖基于区块链的可信框架、增量学习与弹性权重约束方法、编码学习协议、编码联邦学习、FATS总变差稳定算法、知识蒸馏遗忘法、联邦子模型学习及FedLU知识图谱遗忘框架，并梳理分类体系与挑战。