연구진은 연준 학습에서 데이터 이질성으로 인해 발생하는 평탄성 불일치 문제를 지적하며, 이는 지역 모델의 평탄성을 개선해도 글로벌 모델의 성능 향상에 제한을 둔다고 밝혔습니다.
FedVSSAM은 지역 모델의 평탄성 검색, 지역 하강, 글로벌 업데이트 시 일관되게 사용되는 분산 억제 조정 방향을 구축하여 평탄성 불일치 문제를 완화합니다.
실험 결과, FedVSSAM은 다양한 연준 학습 환경에서 기존 방식보다 뛰어난 성능을 보이며, 평탄성 불일치 문제를 완화하는 데 효과적임을 입증했습니다.