本文探讨了低秩适应方法（LoRA）在联邦学习中的应用，提出了FFA-LoRA和SA-FedLoRA等改进方案，显著降低了可训练参数和通信成本，同时提升了模型性能和计算效率。此外，研究还分析了LoRA在隐私保护和跨任务泛化中的优势，并提出了新的模型聚合方法RBLA，以解决模型聚合性能退化的问题。