# 联邦模型编辑

单轮联邦学习把训练压到一次通信，但模型训练完就固化，车辆加入或退出后只能整体重训。F-SOSA 按固定规模随机抽取客户端子集，使相邻设备集合下的输出分布在总变差距离上有界，再把曲率感知融合改写成按客户端可加的充分统计量投影，并据此给出撤回贡献的 F-SOSA-U 与纳入新贡献的 F-SOSA-I。在 SUMO 城市移动模拟中，两者精度与重训相当，累计时间与通信开销分别降低 36%–44% 和 22%–33%。

单轮联邦学习把训练压到一次通信，但模型训练完就固化，车辆加入或退出后只能整体重训。F-SOSA 按固定规模随机抽取客户端子集，使相邻设备集合下的输出分布在总变差距离上有界，再把曲率感知融合改写成按客户端可加的充分统计量投影，并据此给出撤回贡献的 F-SOSA-U 与纳入新贡献的 F-SOSA-I。在 SUMO 城市移动模拟中，两者精度与重训相当，累计时间与通信开销分别降低 36%–44% 和 22%–33%。