本研究提出了一种轻量级的联邦分割学习方案，旨在解决边缘设备在联邦学习中的资源限制问题。通过动态剪枝和量化梯度更新，显著降低了计算和通信开销，实验结果表明在无线网络中有效提升了训练性能。