arXiv · cs.AI· Yiqu Yang·· 10 天前AI 评分38
TUPLE-Bench：评估与缓解类型化决策模型中的隐私-效用权衡
TUPLE-Bench: Evaluating and Mitigating Privacy-Utility Trade-offs in Typed Decision Models
来源与原文
arXiv · cs.AI
作者：Yiqu Yang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.23668v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者推出 TUPLE-Bench 基准，用于评估类型化决策模型的隐私泄露问题。在九个模型上，即便明确要求隐藏原因，91.88%-99.93% 的响应仍会泄露；完整输出对保留样本的恢复率达 62.85%-75.35%，仅用所选类别则为 51.04%-57.64%（50% 为随机水平）。论文还提出 workflow-constrained privacy quantization（WCPQ），在保持下游工作流成本的同时降低秘密恢复率。
来源：arXiv · cs.AI · arxiv.org