PulseAugur
中
实时 10:07:51
English(EN) LLM-Based Schema-Aware Split Learning for Privacy-Preserving Mental Distress Prediction Across Heterogeneous Surveys

基于LLM的拆分学习可实现隐私保护的心理健康数据分析

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的模式感知拆分学习框架，旨在实现跨不同机构的心理健康调查数据的隐私保护分析。该方法利用大型语言模型LLaMA-3.2-3B-Instruct作为共享语义编码器，以协调不同的调查模式。该框架对LLM进行分区，允许客户端在本地保留原始数据，同时将密集计算卸载到服务器，从而最大限度地减少客户端处理并确保数据隐私。所提出的方法在有限的训练数据下表现出强大的性能，平均ANLS达到0.708，并在大多数情况下优于联邦学习。 AI

影响 这项研究可以实现跨机构对敏感心理健康数据进行更有效的协作分析，从而可能带来更好的预测模型和干预措施。

排序理由 研究论文，详细介绍了使用LLM进行隐私保护数据分析的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

基于LLM的拆分学习可实现隐私保护的心理健康数据分析

本文如何被排名

Signal score
12 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
研究论文，详细介绍了使用LLM进行隐私保护数据分析的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, safety, infra
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Md Khalid Syfullah, Alvi Ataur Khalil ·

    基于LLM的模式感知拆分学习，用于异构调查中的隐私保护心理困扰预测

    arXiv:2609.15871v1 Announce Type: cross Abstract: Rising societal and lifestyle complexity has been linked to a growing prevalence of mental distress worldwide. Educational institutions, workplaces, clinics, etc. collect large volumes of mental health survey data to understand an…

相关实体

相关话题