待验证50% 置信事实精确时间

SISA 方法将训练数据分片后独立训练子模型，删除数据时只需重训相关分片，但需要从架构设计一开始就纳入规划

1

来源数

50%

置信度

长期有效

时效性

2026/8/5

首次发现

来源

AI数据采集的隐私边界：你的卧室正在成为模型训练场

相关事实

待验证SWE-bench公开的训练方案覆盖了数据准备、模型选择、微调策略、推理框架等关键环节76% 相似待验证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72% 相似待验证模型晋升做法中，在staging环境用生产数据训练候选模型，通过离线评估和影子测试后，将模型制品从staging注册表晋升到production注册表，移动的是训练好的模型二进制文件而非重新训练72% 相似待验证专用SWE模型通常采用领域数据筛选、持续预训练和针对性指令微调三重策略71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/687688

API

curl https://kongchang.com/api/v1/knowledge/claims/687688

MCP

get_claim(id=687688)