DP-MIND：差分隐私长上下文推理新框架

研究者 Zhihao Liu 等人提交预印本论文，提出 DP-MIND，一个将差分隐私推理扩展到百万 token 级上下文的记忆引导框架。 该方法在本地扰动输入，以紧凑记忆分块处理序列，并用强化学习在扰动输入上优化记忆构建策略，结合答案正确性与记忆一致性，再通过本地去噪模块恢复被扰动破坏的答案片段。 作者称，在多个长上下文基准测试中，DP-MIND 在可扩展性和实用性上均优于现有差分隐私与长上下文推理基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。