联邦学习与大模型：数据不出门的训练

联邦的原理

模型参数下发到数据持有方，本地训练后只上传参数更新（不传数据），中心聚合更新。数据全程不出本地。

与大模型的结合

医疗、金融等数据孤岛场景的联合建模；端侧模型的个性化更新（手机键盘的本地学习）。

工程挑战

通信成本、异构数据的分布差异、参与方的可信度。联邦学习不是免费午餐，工程复杂度显著高于集中训练。