Local Model（本地模型）

本地模型通过模型压缩（剪枝、量化）和高效架构（MobileNet、TinyML）在资源受限设备上运行。优势包括数据不出设备、低延迟和离线可用。联邦学习允许本地训练而不共享数据。挑战包括计算限制和模型更新。代表工作：Google的Gboard、Apple的神经引擎。