部署与算力Google AI Blog4 天前
Advances in private training for production on-device language models
Google 分享 Gboard 端侧语言模型私有训练的进展：所有下一词预测模型均采用联邦学习并具备形式化差分隐私保证，覆盖 7+ 语言、15+ 国家，ε 低至 0.994，是已知最大规模用户级 DP 生产部署，对端侧 AI 隐私落地有标杆意义。
AI 与各行业落地的前沿信号寻行业之脉
寻行业之脉
接真实之需
每日自动追踪全球权威信源，模型生成中文摘要与有效期判断，人工抽检把关。 不追热点，只留经得起推敲的那一部分。
249
累计条目
0
今日新增
12
权威信源
采集中每日 02:00 · UTC+8
L1 摘要
全量
L2 深度
0
人工抽检
每日
按领域浏览
AI 与可被 AI 赋能的行业方向，每个领域独立成脉
筛选结果
共 2 条符合条件
当前筛选#on-device×
大模型arXiv cs.CL4 天前
Does Personalization Break Trust? Open-Set Rejection Calibration Under Few-Shot On-Device Intent Adaptation
研究发现，设备端少样本LoRA个性化虽能学会新指令，却会削弱助手对范围外输入的拒识能力（AUROC平均下降0.055–0.258），部分源于置信度打分器失准，也与嵌入边界收缩相关。改用马氏距离打分无需重训即可在5个数据集中的3个恢复大部分性能且不损精度，对端侧助手可靠性有直接价值。