arXiv cs.LG· Jiachen Zhao, Antonia Januszewicz, Taeho Jung·· 10 小时前AI 评分24
提示词级差分隐私下的奖励驱动学习：RLVR 训练首个差分隐私保证
Reward-Driven Learning under Prompt-Level Differential Privacy
AI 导读
研究首次为 RLVR 训练给出差分隐私保证：以单个提示词的全部回复为隐私记录，聚合梯度后只裁剪一次并加高斯噪声，隐私预算与每个提示词的回复数量和裁剪范数无关。
来源：arXiv cs.LG · arxiv.org