Yagna Manasa Boyapati

新框架支持LLM在保护隐私的同时协作处理学生数据

研究人员开发了一个新颖的联邦推理框架，旨在增强AI驱动的教育系统中的隐私保护。该框架支持多个大型语言模型（LLM），包括Llama 3.3 70B Instruct、GPT-4o mini和Claude 3 Haiku，在不直接访问敏感学生数据或专有模型细节的情况下进行协作。通过采用epsilon-local差分隐私和基于残差的聚合方法，该系统在保持跨各种教育基准的高诊断准确性的同时，保护了个人预测。