arXiv Artificial Intelligence· Saswat Das, Ferdinando Fioretto·2026-10-15 12:00· 19 小时前AI 评分24

NeuroFilter：面向隐私敏感 LLM 智能体的激活探测防护栏

NeuroFilter: Activation-Based Guardrails for Privacy-Conscious LLM Agents

AI 导读

论文提出 NeuroFilter，一种基于激活探测的隐私过滤器，用于 LLM 智能体的推理时隐私防护，在单轮和多轮对话中均计算高效且有效。该工作首次系统性地跨对话轨迹探测模型内部状态，覆盖多种上下文、攻击风格和多个基座模型，并能应对 mosaic attacks 等挑战性场景。