本文提出FedADMM协议，用于非凸目标下的联邦学习。该协议通过双重变量应对统计异质性，保持每轮通信成本不变，并推广了FedAvg和FedProx。实验表明，其通信效率优于基线，且在大规模系统中优势更明显。