跳到正文
热点事件持续更新

TC-LEACE解决基础模型嵌入泄露

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

研究团队在2026年11月20日发布论文,针对共享基础模型嵌入中的条件属性泄露问题,提出Task-Conditional LEACE(TC-LEACE)方法。该方法作为LEACE的闭式变体,通过在拟合数据的每个任务分层中强制线性保护,旨在解决传统方法无法同时保留任务信号与消除泄露的矛盾。 团队在85个CelebA属性对及医院胸部X光片上,评估了4种视觉基础模型和3种基础模型。实验发现,LEACE擦除后条件泄露依然显著。相比之下,TC-LEACE在保持泄露可控的同时,成功恢复了大部分任务效用,证明了该新策略在平衡隐私保护与模型性能方面的有效性。

AI 根据报道生成 · 15 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    共享基础模型嵌入中的条件属性泄露与概念擦除研究

    研究证明在二元任务与敏感标签关联时,全局与任务条件线性保护无法同时保留非零任务信号,导致全局擦除必然消除信号或保留泄露。 该研究在 85 个 CelebA 属性对及医院胸部 X 光片上评估了 4 种视觉基础模型和 3 种基础模型,发现 LEACE 擦除后条件泄露依然显著,而新方法 TC-LEACE 在保持泄露可控的同时恢复了大部分任务效用。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 15:00
近 24 小时变化
–

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。