本研究提出RoLoRA框架，以提高联邦训练效率。通过交替优化微调LoRA适配器，RoLoRA在模型更新质量和表达能力上优于传统方法，尤其在多任务和大规模模型中表现突出。

FedDM是专为联邦训练扩散模型设计的训练框架，使用U-Net架构和量化模块，保持高生成质量并提高通信效率和模型收敛性。在非独立同分布的数据设置中，可能导致FID分数增加。