待验证50% 置信事实精确时间

联邦学习由Google于2016年提出，让数据留在本地、仅上传模型梯度

1

来源数

50%

置信度

长期有效

时效性

2026/7/7

首次发现

来源

硬件级AI安全：机密计算如何实现性能与防护双赢

rss2026/7/2

相关事实

已验证联邦学习是谷歌于2017年提出的一种分布式机器学习范式，允许模型在本地设备上训练而无需将原始数据上传至中央服务器79% 相似待验证联邦学习由Google于2016年提出，最初用于解决移动设备上的模型训练隐私问题77% 相似待验证谷歌于2016年宣布将移动端索引作为首要标准68% 相似待验证Google选择与LangGraph结合而非自建编排层来构建该开源项目68% 相似待验证Google持续推进Gemma系列开源模型，通过开源策略在学术界和开发者社区建立影响力67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/185148

API

curl https://kongchang.com/api/v1/knowledge/claims/185148

MCP

get_claim(id=185148)