arXiv · Machine Learning Theory· Jiachen Zhao, Antonia Januszewicz, Taeho Jung·· 3 小时前AI 评分40
提示词级差分隐私下的奖励驱动学习
Reward-Driven Learning under Prompt-Level Differential Privacy
AI 导读
该研究提出提示词级差分隐私下的 RLVR 训练方法，将同一 prompt 的回答组作为隐私记录，聚合梯度、单次裁剪并加高斯噪声，隐私预算不依赖回答数与裁剪范数。
来源：arXiv · Machine Learning Theory · arxiv.org