这篇文章给出半监督联邦学习（SSFL）在语音识别（ASR）上的实用配方。SSFL 的做法是：服务端只有一小部分有标注种子数据，客户端在大量无标注数据上，靠一个教师模型生成伪标签来训练。ASR 对这个过程特别敏感：伪标签的错误既会在输出序列内部传播，也会在训练轮次之间累积，最终导致训练发散，和完全监督的联邦学习相比差距很大。

作者把缩小差距的问题拆成两个耦合的设计轴：教师轴和锚点轴。教师决定由哪个模型产生伪标签；锚点指服务端在有标注数据上的更新，用来稳定训练。教师轴上，每个客户端拿自己不断演化的模型当“在线教师”，单独用会发散，但一旦被锚点稳定住，就能匹配甚至超过在一轮内固定的全局广播教师——在域内数据上优势明显，在域迁移场景下也有竞争力。当种子数据越来越强，在线教师的相对优势变小时，在第 r 轮从全局教师切换到在线教师的过渡式方案，可以匹配或超过两种极端选择。

锚点轴上的结论更反直觉：服务端必须在每轮之间持续用有标注数据训练，否则在线教师会漂移；这种交错训练（interleaving）比种子模型本身更能决定收敛。两个轴不能分开设计。激进的教师选择只有在锚点把训练稳定住之后才有收益；而锚点对数据增强和批大小高度敏感，因为它们决定了服务端向训练过程注入多少输入噪声和梯度噪声。到底需要多大程度的稳定化，取决于具体领域，由种子数据的分布离散程度以及它和客户端数据的重叠程度决定。

基于这些发现，论文给出了 SSFL 在 ASR 训练中的实用准则。结果上，相对于此前最强的方法，11 组对比中胜出 9 组，域内平均提升 20.8%，跨域平均提升 10.0%，明显收窄了与完全监督联邦学习的差距。