排序感知指数机制用于列表偏好本地差分隐私
热点事件持续更新
排序感知指数机制用于列表偏好本地差分隐私
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Junwei Chen 等作者提出一种排序感知指数机制，将列表式偏好数据在本地差分隐私（LDP）下转换为低敏感度的固定大小二元划分，避免对全部条目均匀加噪。 作者称，在相同隐私预算下，该机制在下游大语言模型对齐任务中持续优于现有 LDP 基线；代码已公开。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
面向 大语言模型（LLM，Large Language Model） 对齐的列表式偏好排序感知差分隐私发布方法报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AI面向 大语言模型（LLM，Large Language Model） 对齐的列表式偏好排序感知差分隐私发布方法
研究者提出一种排序感知指数机制，将列表式偏好数据在本地差分隐私（LDP，Local Differential Privacy）下转为低敏感度的固定大小二元划分，避免对全部条目均匀加噪。在相同隐私预算下，该机制在下游 大语言模型（LLM，Large Language Model） 对齐任务中持续优于现有 LDP 基线。代码已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。