机构名称：
¥ 1.0
poojamarbade13@gmail.com 6 摘要：大型语言模型 (LLM) 在生成式人工智能 (AI) 工具中的广泛采用引发了人们对用户隐私的重大担忧。为了应对这一挑战，我们提出了 Private ChatGPT，这是一种用于 LLM 的隐私保护模型。它专注于在数据管理和预处理期间保护用户隐私，并确保在训练过程中保留私人上下文。我们使用强化学习 (RL) 整合差异隐私和私人训练，以保护用户隐私同时保持实用性。我们的评估证明了差异隐私在隐私和模型性能之间取得平衡的有效性。关键词：隐私保护、基于 LLM（大型语言模型）、离线人工智能工具、学术、商业、自然语言 1。介绍 大型语言模型 (LLM) 的快速发展彻底改变了各个领域的自然语言生成，包括双体船、内容创作和自动写作。然而，这一进步带来了一个关键问题：用户隐私。LLM 具有强大的分析和生成文本的能力，无意中泄露了有关用户的敏感信息。在本文中，我们解决了基于 LLM 的离线人工智能工具中的隐私保护挑战。我们提出的模型 Priv Chat GPT 旨在在实用性和隐私之间取得微妙的平衡。通过使用强化学习 (RL) 集成差异隐私和私人训练，我们创建了一个强大的框架，既能保护用户数据，又能保持 LLM 的有效性。目的/目标 A.目的 本会议论文的目的是介绍和阐明一种突破性的解决方案，以解决将自然语言生成 (NLG) 技术（特别是大型语言模型 (LLM)）的优势与
面向学术界的隐私保护型 LLM 离线 AI 工具...
主要关键词
相关文件推荐
