本文研究了联邦学习中的标签噪声问题，并提出了基于学习的重新加权方法来减轻影响。同时，还提出了Comm-FedBiO方法来解决通信效率低的Federated Bilevel Optimization问题，并在多个真实世界数据集上验证了其优越性。