联邦元学习是一种方法，多台计算机协同工作以创建一个可学习的模型，而无需共享它们的数据。

想象一下，许多智能手机共同学习如何更好地完成一项任务，但每个设备都保持其个人数据的私密性。

不仅训练一个模型，系统还学习如何快速响应每个设备上的新任务。

这样，所有设备都能从共同的知识中受益，而无需传递敏感信息。