arXiv · NLP· Jiaming He, Guanyu Hou, Yi Yu, Xudong Jiang·· 6 小时前AI 评分35
Indistinguishable Agents：基于双世界不可区分性的智能体隐私训练
Indistinguishable Agents: Training Agent Privacy as Twin-World Indistinguishability
AI 导读
研究提出 Indistinguishable Agents 方法，通过训练双世界中仅私有事实不同的模型，解决 LLM 智能体行动泄露隐私问题。 使用冻结区分器计算观察者视图的对数似然比，结合 GRPO 训练智能体在任务成功与降低该比值间取得平衡。 该方法在购物和消息任务中消除了奖励机制未能捕获的隐私泄露，且智能体仍能完成任务。
来源：arXiv · NLP · arxiv.org