扫读 | Towards Personalized Federated Learning
arxiv:2103.00710 传送门综述个性化联邦学习（Personalized FL，PFL）的进展。讨论了PFL目前的发展阻碍，并将PFL分为基于数据的和基于模型的方法。展望PFL的发展轨迹、PFL的benchmarking、可信赖的PFL方法PFL的发展阻碍有限的FL框架隐私保护约束。现有很多方法不满足隐私保护的需求，有的允许本地数据或元数据的共享，有的假设可以用能代表整体分布的代理数据集PFL方法基于数据的方法目标是平滑掉统计上的异构性数据增强，通常需要共享一些数据
