SharedRequest

新方法增强了大型语言模型在提示、适应和 RAG 方面的隐私保护

研究人员开发了三种不同的方法来增强大型语言模型（LLM）的隐私保护。SharedRequest 提供了一个模型无关的框架，将提示与带噪声的变体混合，以在批处理级别隐藏敏感信息，从而提高可用性并降低推理成本。Echelon 提供了一个边界优先的训练架构，强制执行设备级别的模型状态非导出，从而实现跨隐私边界的可审计、仅聚合的适应。隐私感知解码（PAD）是一种轻量级的推理时防御机制，在生成过程中将校准后的噪声注入到令牌的 logits 中，…