Unverified50% confidenceFactExact time

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

Sources

50%

Confidence

Long-term

Relevance

7/7/2026

First Seen

Sources

硬件级AI安全：机密计算如何实现性能与防护双赢

rss7/2/2026

Related Claims

Verified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% similar Unverified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% similar Unverified谷歌于2016年宣布将移动端索引作为首要标准68% similar UnverifiedGoogle选择与LangGraph结合而非自建编排层来构建该开源项目68% similar UnverifiedGoogle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% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/185148

API

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

MCP

get_claim(id=185148)