第一部分：解决的问题联邦学习（FL）是一种分布式机器学习方法，允许设备在不共享本地数据的情况下协同训练模型。在个性化联邦学习中，目标是为每个设备训练个性化模型，而不是一个通用的全局模型。然而，由于设备之间数据分布的异质性，传统方法会导致模型偏差。第二部分：解决的方法/idea