Unverified60% confidenceFactTime unknown
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
Sources
60%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
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
Related Entities
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81% similarVerified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% similarUnverifiedGoogle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% similarUnverifiedGoogle已将联邦学习（Federated Learning）技术用于Gboard键盘预测69% similarUnverifiedGoogle于2018年发布BERT，开启了预训练时代68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/26647API
curl https://kongchang.com/api/v1/knowledge/claims/26647MCP
get_claim(id=26647)