数据不出设备也能联合训练模型，但只在模拟里验证过

有些数据散在大量手机上，隐私不允许集中到服务器。FedAvg 这篇论文的做法是：每台手机用自己的数据在本地训练几轮，只把模型改动发上去取平均，不传原始数据，通信来回次数比集中训练少十倍到一百倍。这类做法统称联邦学习。

今天厂商宣传"数据不上传也能改进模型"时，跑的仍是这套本地训练加平均的底子，后来的改进都在它上面修补。听到这类宣传，先问效果是模拟测的还是真实手机上测的，原论文自己只做到模拟。

如果设备会掉线、数据会变，或有人故意提交坏更新，这些它都没处理。如果问题是这类训练会不会泄露隐私、真实设备上效果如何，它只在模拟里验证过，别拿它下结论。

《Communication-Efficient Learning of Deep Networks from Decentralized Data》（2016）｜下次复查 2027-09-20