前一篇是ICML 2021的，后一篇是NIPS 2021的。

Personalized Federated Learning using Hypernetworks

这篇文章很有意思的地方在于，直接使用一个hypernetwork根据用户的特征向量生成个性化的模型参数，即：

\[\theta_i=h(\varphi, v_i) \]

还没有精读，但是他的思想很粗暴，不像hierarchy model一样还需要假设分布之类的，直接用一个网络来模拟模型参数的生成过程。有两个问题没解决：

1. 用户特征怎么定义
2. 收敛性

Personalized Federated Learning with Gaussian Processes

这篇应该和前一篇是同一个组的，到时候一起看代码细读下，先占个坑位。

代码链接第一篇，第二篇