Verified65% confidenceFactExact time
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
3
Sources
65%
Confidence
Long-term
Relevance
7/12/2026
First Seen
Sources
如何阻止Meta AI使用你的Instagram照片训练模型
rss7/9/2026
Related Claims
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79% similarUnverifiedGoogle已将联邦学习（Federated Learning）技术用于Gboard键盘预测74% similarUnverifiedGoogle的Locomotion团队在2020年展示了通过模拟训练的四足机器人策略可以零样本迁移到真实硬件，其关键创新在于使用'特权学习'（privileged learning）框架69% similarUnverifiedGoogle的机器学习工程师总结出经验：机器学习系统中真正的机器学习代码往往只占5%，剩余95%是数据管道、服务封装和监控系统69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/494691API
curl https://kongchang.com/api/v1/knowledge/claims/494691MCP
get_claim(id=494691)