AI星际引擎AI STARSHIP
2026.11.08 星期日
第 94 期
主题 · 隐私安全

隐私安全

1 条
  1. 01
    不依赖因果验证的对数概率降低:诊断基于SAE的LLM中PII抑制

    指出用logprob下降评估SAE特征干预抑制PII存在严重偏差,提出基于秩感知的对照实验方法验证真实抑制效果。

    arxiv.org·arXiv·5天前隐私安全可解释性SAE