研究人员推出DP-MIND,一个新颖的框架,旨在实现处理百万级token上下文的大型语言模型(LLM)的差分隐私推理。现有方法由于容量限制和差分隐私下的效用下降,难以处理如此长的输入。DP-MIND通过分块处理输入并使用保留关键信息的紧凑型内存来解决此问题,该内存经过扰动数据上的强化学习优化。该方法旨在保护敏感用户信息,同时在长上下文任务上保持高准确性。 AI
影响 这项研究通过在推理过程中保护用户数据,可能使长上下文LLM在敏感应用中得到更安全的使用。
排序理由 该集群包含一篇研究论文,详细介绍了LLM差分隐私推理的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →