本地LLM TorchSight在安全文档分类中达到95%的准确率

研究人员开发了TorchSight，一个使用微调的Qwen 3.5 27B大型语言模型的开源本地系统，用于分类安全文档。该系统在1000份文档的基准测试中达到了95.0%的准确率，显著优于得分在75.4%至79.9%之间的商业模型。微调的本地模型展示了在保持数据隐私的同时，准确识别各种安全类别和子类别中的敏感信息的能力。 AI

影响 证明了微调的本地LLM在敏感数据分类方面可以媲美甚至超越商业模型，从而提高隐私性。

排序理由 该集群包含一篇学术论文，详细介绍了用于安全文档分类的新型开源系统和基准数据。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• GPT-4
• Ivan Dobrovolskyi
• Qwen 3.5 27B
• TorchSight

• 论文
• 产品
• 模型发布

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