Unverified50% confidenceFactExact time
联邦学习允许模型在本地设备训练而无需上传原始数据，差分隐私在统计查询中加入数学噪声以保护个体信息
1
Sources
50%
Confidence
Long-term
Relevance
7/10/2026
First Seen
Sources
超越语音指令：机器人多模态交互的未来进化路径
redditr/robotics7/8/2026
Related Claims
Unverified差分隐私（Differential Privacy）与联邦学习（Federated Learning）可在不直接暴露原始数据的前提下完成模型训练与个性化更新80% similarVerified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71% similarUnverified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70% similarUnverified半监督学习介于监督学习和无监督学习之间，利用少量标注数据和大量无标注数据进行训练70% similarUnverified大模型的预训练数据有明确的截止时间，模型内部不包含企业私有数据，直接询问企业私有信息时会产生幻觉67% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/454709API
curl https://kongchang.com/api/v1/knowledge/claims/454709MCP
get_claim(id=454709)