基于剩余相干性优化差分隐私数据裁剪界限

提出一种通过优化剩余相干性与噪声方差成本来私有选择裁剪界限的方法，解决重尾数据差分隐私求和难题。 证明剩余相干性与重尾数据偏差存在紧密联系，并在多个数据集上验证其性能优于现有基线算法。 论文已作为 NeurIPS 2026 的正式版发表。