顶会入选 | ObfusLM - 基于参数混淆的语言模型隐私保护训推方案入选 ACL 25
在大语言模型(Large Language Model, LLM)广泛应用的浪潮中,隐私数据保护是一个不容忽视的问题。为解决利用私有数据集进行大语言模型精调和推理时的隐私泄露风险,来自字节跳动安全研究团队和南京大学的研究人员共同提出了创新性的ObfusLM框架
在大语言模型(Large Language Model, LLM)广泛应用的浪潮中,隐私数据保护是一个不容忽视的问题。为解决利用私有数据集进行大语言模型精调和推理时的隐私泄露风险,来自字节跳动安全研究团队和南京大学的研究人员共同提出了创新性的ObfusLM框架
2025年5月27日arXiv预印本披露的《Policy Optimized Text-to-Image Pipeline Design》研究,为文本生成图像领域带来了突破性进展。这项研究直面当前多组件工作流设计的两大痛点:传统方法需要消耗数百次完整图像生成的