研究人员推出了一种新颖的增强大型语言模型 (LLM) 推理隐私的方法——PromptGraph。该方法将提示建模为属性图,其中节点代表具有隐私分数的个体跨度,边捕获对维持效用至关重要的上下文依赖关系。通过同时优化隐私增益和这些上下文链接的保留,PromptGraph 旨在与现有的跨度级清理技术相比,在保护敏感信息和确保模型功能输出之间取得更好的平衡。 AI
影响 通过对上下文依赖关系进行建模,增强了 LLM 推理的隐私性,有可能在不牺牲效用的情况下提高数据保护能力。
排序理由 该集群包含一篇详细介绍 LLM 推理新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — fosstodon.org 阅读 →
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Large Language Model
- Litmaps
- PromptGraph
- ScienceCast
- Scite
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →