Matthew Joseph与Alex Kulesza提出基于残差相干性的私有数据裁剪方法

2026年10月28日，Matthew Joseph与Alex Kulesza在arXiv发布论文（编号2610.36281），提出一种优化差分隐私数据裁剪界限的新方法。 该方法通过优化剩余相干性（residual coherence，即超出界限向量的方向对齐程度）与噪声方差成本，私有选择裁剪界限，旨在解决重尾数据在差分隐私求和中的难题。 研究证明剩余相干性与重尾数据偏差存在紧密联系。该论文已在多个数据集上验证其性能优于现有基线算法，并作为NeurIPS 2026的正式版发表。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。