FedPrompt是一种结合了prompt tuning和federated learning的新方法，以提高FL方法的效率并保护数据隐私。该方法使用模型拆解聚合的方式来使用prompt tuning，减小了通信成本，同时在IID和Non-IID数据分布上保证准确性，并在实验中证明了其可靠性。

MIFA算法解决了Federated Learning中设备不可用的问题，并使用从设备中记忆的最新更新来校正梯度偏差。实验证明，MIFA在非独立同分布数据上实现了最优收敛率，并在真实世界数据集上取得了良好的结果。