待验证60% 置信事实时间未知

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

2

来源数

60%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

98个专家Agent协同作战：开源多Agent调度框架深度解析

bilibiliAI罐装知识

涉及实体

Googlecompany 联邦学习concept

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81% 相似已验证联邦学习由Google于2016年提出，让数据留在本地、仅上传模型梯度77% 相似待验证Google在其隐私政策中声明，免费版用户的对话数据可能被用于模型训练，与付费API版本的数据处理策略不同75% 相似待验证Google已将联邦学习（Federated Learning）技术用于Gboard键盘预测69% 相似待验证Google于2018年发布BERT，开启了预训练时代68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/26647

API

curl https://kongchang.com/api/v1/knowledge/claims/26647

MCP

get_claim(id=26647)