<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>设备端模型 on 办公AI智能小助手</title>
    <link>https://blog.qife122.com/tags/%E8%AE%BE%E5%A4%87%E7%AB%AF%E6%A8%A1%E5%9E%8B/</link>
    <description>Recent content in 设备端模型 on 办公AI智能小助手</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <copyright>qife</copyright>
    <lastBuildDate>Fri, 19 Sep 2025 20:14:01 +0800</lastBuildDate>
    <atom:link href="https://blog.qife122.com/tags/%E8%AE%BE%E5%A4%87%E7%AB%AF%E6%A8%A1%E5%9E%8B/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>设备端语言模型私有化训练的技术突破与生产实践</title>
      <link>https://blog.qife122.com/p/%E8%AE%BE%E5%A4%87%E7%AB%AF%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E7%A7%81%E6%9C%89%E5%8C%96%E8%AE%AD%E7%BB%83%E7%9A%84%E6%8A%80%E6%9C%AF%E7%AA%81%E7%A0%B4%E4%B8%8E%E7%94%9F%E4%BA%A7%E5%AE%9E%E8%B7%B5/</link>
      <pubDate>Fri, 19 Sep 2025 20:14:01 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E8%AE%BE%E5%A4%87%E7%AB%AF%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E7%A7%81%E6%9C%89%E5%8C%96%E8%AE%AD%E7%BB%83%E7%9A%84%E6%8A%80%E6%9C%AF%E7%AA%81%E7%A0%B4%E4%B8%8E%E7%94%9F%E4%BA%A7%E5%AE%9E%E8%B7%B5/</guid>
      <description>&lt;p&gt;语言模型（LMs）通过预测输入文本的下一个词成为许多应用的核心技术[1, 2]。在Gboard中，LMs用于提升用户输入体验，支持下一词预测（NWP）、智能撰写、智能补全与建议、滑动输入和校对等功能。将模型部署在用户设备而非企业服务器上具有低延迟和更好隐私保护的优势。虽然直接基于用户数据训练设备端模型能有效提升NWP和智能文本选择等应用的性能，但保护用户数据在模型训练中的隐私至关重要。&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
