排序感知列表偏好本地差分隐私机制提出

2026年10月30日，arXiv Artificial Intelligence 刊出 Junwei Chen 等作者的研究，提出一种面向 LLM 对齐的排序感知列表偏好本地差分隐私发布方法。该研究提出排序感知指数机制，将列表偏好数据私有化为低敏感度粒度，用于 LLM 对齐训练。机制利用排序信息采样固定大小的二元划分，把噪声集中在边界条目附近，而非像随机化响应（RR）那样对所有条目均匀扰动。作者称，在下游 LLM 对齐任务上，匹配隐私预算下该方法持续优于现有 LDP 基线。报道未给出具体隐私预算数值、数据集规模或对比基线清单，相关效果均为作者自述。

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。