跳到正文
热点事件持续更新

排序感知指数机制实现LLM偏好数据本地差分隐私发布

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

研究者提出一种排序感知指数机制,用于在本地差分隐私(LDP)下发布列表偏好数据:把列表转化为低敏感度的固定大小二元划分,使噪声集中在边界条目,而非像随机化响应那样均匀扰动所有条目。 据作者称,在下游 LLM 对齐任务中,该机制在相同隐私预算下持续优于现有 LDP 基线。代码已公开。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月31日
  1. arXiv cs.AI
    面向 LLM 对齐的排序感知列表偏好差分隐私发布方法

    研究者提出一种排序感知指数机制,将列表偏好数据在本地差分隐私(LDP)下转化为低敏感度的固定大小二元划分,使噪声集中在边界条目而非像随机化响应那样均匀扰动所有条目。在下游 LLM 对齐任务中,该机制在相同隐私预算下持续优于现有 LDP 基线。代码已公开。

本事件热度走势

可比范围当前
7
可比范围峰值
810月31日 22:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。