Veilmind-4B

新框架应对大型语言模型中的隐私-效用权衡

研究人员开发了一个新框架来解决大型语言模型（LLMs）中的隐私-效用权衡问题。他们的分析确定了三个关键机制：上下文相关效用、策略性适应和组合交互，这些机制解释了数据清理如何影响LLM的性能。为了实现这些发现，他们引入了一个由意图驱动的本地保护框架，该框架使用一个名为Veilmind-4B的轻量级模型来动态提取、清理和恢复数据。这种方法在保持比现有注重隐私的方法显著更高的响应效用的同时，实现了低泄露的隐私点。