Google披露使用联合学习（Federated Learning）技术，强化Android系统上的智慧文本选择（Smart Text Selection），开发人员提到，由于运用联合学习，除了能够借由用户交互来训练神经网络模型之外，同时还能保护隐私，进而提高智能文本选择的性能。这项改进工作是Android新的私密运算核心（Private Compute Core）安全环境的一部分，对于部分文本实体，模型选择精确度可提升20%。
智能文本选择是Google在2017年的时候，在Android Oreo加入的新功能，也是现在用户常用功能之一，能够通过用户的点击来预测需要的单词，使得用户能够快速选择、复制和使用文本，并适当地扩大选择范围，对于具有定义分类的实体，像是地址和电话号码，用户可以直接使用应用程序打开，以减少用户操作的步骤。
开发人员提到，智能文本选择和智能连接（Smart Linkify）背后使用的技术相同，并不会预测随意的选择，而是针对明确定义的实体，像是地址和电话号码，并且尝试预测这些类别的选择范围，模型会尽量选择单词，来减少多字选择发生错误的频率。
智能文本选择的模型，Google一开始使用schema.org中的结构化代理资料进行训练，这些实体会被嵌入到随机文本中，训练模型只选择实体，而不会选到实体周围的文本，开发人员解释，虽然这种针对schema.org注解的训练方法有效果，但是具有几个限制，像是资料和用户设备增至到的文本可能有差距，schema.org的资料通常比用户手机上输入的格式更正确，而且训练实体嵌入在随机文本样本，并无法真实反映设备中的上下文。
而最新的模型使用联合学习，已经不使用代理资料进行预测，而是设备上真实的交互资料。联合学习是一种机器学习模型的训练方法，中央服务器会协调分散在许多设备上的模型训练，但是用户的原始资料，会保留在本地端设备上。
联合学习的训练程序，由服务器启动模型初始化，迭代过程从设备采样开始，选择设备并且使用本地端资料改进模型，接着设备仅会回传改进后的模型，而非训练资料，服务器对接受到的更新进行平均，并创建用于下一次迭代的模型。
每次用户点击选择文本，并且更正模型建议时，Android都能获得关于模型选择范围的精确反馈，但是为了保护用户的隐私，这些选择会暂存在设备上，服务器并无法取得这些资料，通过联合学习技术来改进模型，而这种技术的优点，是能够使用推理过程看到的资料，来进一步训练模型。
联合学习的优点还有能够保护用户隐私，开发人员解释，因为原始资料不会暴露给服务器，服务器只能接受更新的模型权重。不过为了抵御各种可能的威胁，Google还用上各种安全方法，像是用来训练智能文本选择模型的设备上程序代码，是Android私密运算核心安全环境一部分，因此能够安全地处理用户资料。
由于要聚合来自设备上的模型更新，开发人员使用安全聚合（Secure Aggregation）技术，这是一种加密协议，可以让服务器不需要读取单个设备所提供的更新，就能计算联合学习模型训练的平均更新。
借由使用新的联合学习方法，Google明显提升智能文本选择模型性能，多字选择精确度改善介于5%到7%，最复杂的地址选择，准确度提高8%到20%。联合智能的另一个优势，是能够扩展至其他语言，因为使用用户交互来训练模型，也就更容易扩展支持其他语言，模型不只在英文上表现良好，将相同工作管线应用在日文，不需要针对日文特别进行调整，就能获得良好的进展。