已验证85% 置信事实精确时间

联邦学习让模型在数据本地完成训练更新，只上传梯度而非原始数据

5

来源数

85%

置信度

长期有效

时效性

2026/7/17

首次发现

来源

本地模型与开源工具链：如何保障AI时代的数据自主权

相关事实

已验证联邦学习（Federated Learning）允许多个部门在不共享原始数据的条件下联合训练模型，各部门数据留存本地仅交换模型梯度83% 相似待验证续训是在新增数据上持续训练以保持模型知识更新的方法76% 相似待验证利用数据增强技术（如Back-translation、Mixup）或生成模型（如扩散模型、GAN）可以扩充训练集76% 相似待验证当线上数据分布偏离训练数据时，模型性能会退化（数据漂移与模型衰减），需要触发重新训练74% 相似待验证数据格式转换的准确性直接影响目标检测后续模型训练效果73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/541302

API

curl https://kongchang.com/api/v1/knowledge/claims/541302

MCP

get_claim(id=541302)