UVA框架助代码Agent提问不泄露隐私

Wenjia Jiang 等人提出效用验证抽象（UVA）方法。该框架旨在解决本地代码智能体在咨询云端模型时面临的隐私泄露问题。通过训练，该方法使智能体在提问时不再直接暴露私有代码。 UVA 的核心机制是让智能体以“角色”和“类型”来描述私有实体，而非直接使用原始代码。这种描述方式在保留技术细节的同时，满足了云端模型（作为专家）进行分析所需的必要信息，从而在功能与隐私之间取得平衡。 在两个基准测试中，应用 UVA 的训练后智能体解决了 37.6% 的问题，显著高于单独工作时的 25.3%。此外，与直接暴露代码相比，该方案使私有实体的泄露风险减少了 3.7 倍，证明其在提升解决率的同时有效降低了隐私风险。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。