본 논문은 연합 학습(Federated Learning, FL)에서 모델 성능 향상을 위한 참조 모델 기반 연합 학습 방법을 제안한다. 기존 연합 학습은 개인 정보 보호에 유리하지만 모델 성능이 부족하고 사용자의 다양한 요구를 충족하기 어렵다는 한계를 지닌다. 제안하는 방법은 베이지안 매개변수 효율 전이 학습에서 파생되었으며, 최적 근접 항을 포함하고 이전 모델 매개변수를 통합하는 참조 모델을 활용하여 각 라운드에서 발생하는 치명적인 망각(catastrophic forgetting)을 극복한다. 결과적으로 높은 모델 성능과 낮은 클라이언트 연산 비용을 동시에 달성한다.
