ECHELON

新研究解决了 LLM 在适应和生成中的隐私问题

两篇新研究论文介绍了增强大型语言模型 (LLM) 适应和生成中隐私的新方法。Echelon 专注于跨隐私边界的可审计、仅聚合的适应，确保设备级别的模型状态永远不会被导出。隐私感知解码 (PAD) 是一种推理时技术，它将校准后的噪声注入 token logits，以防止检索增强生成 (RAG) 系统中的私密信息泄露。这两种方法都旨在在不进行模型再训练的情况下，平衡模型效用和严格的隐私要求。