研究者提出隐私保护推理嵌入变换方法
热点事件持续更新
研究者提出隐私保护推理嵌入变换方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月21日，Mahendra Roopa与Srikanth Roopa在arXiv发布论文，提出一种面向托管Qwen3.8-27B模型的隐私保护推理方案。 该方案要求客户端将文本本地转化为向量，经55.6M参数小网络变换后发送，托管端在不接触原始文本的情况下运行冻结模型。 实验显示，在1,490道MMLU题目上，该方法使准确率下降1.5个百分点，且30.1%的内容无法还原原始token。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 12:00
面向托管 Qwen3.8-27B 模型的隐私保护推理：一种学习式输入嵌入变换报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · AI面向托管 Qwen3.8-27B 模型的隐私保护推理：一种学习式输入嵌入变换
该研究提出一种隐私保护推理方案，让客户端本地将文本转化为向量并经 55.6M 参数小网络变换后发送给托管端，托管端运行冻结的 Qwen3.8-27B 模型且不接触原始文本或 token id。 在 1,490 道 MMLU 题目上，该变换导致准确率下降 1.5 个点（从 82.3% 降至 80.7%），并使 30.1% 的内容 token 在最近邻查找下无法还原为原始 token。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月21日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。