arXiv 隐私论文· Jiaming He·· 2 天前AI 评分48
Indistinguishable Agents：将 AI 智能体隐私训练为双世界不可区分性
Indistinguishable Agents: Training Agent Privacy as Twin-World Indistinguishability
AI 导读
研究者提出 Indistinguishable Agents（\method）方法，在仅私有事实不同的双世界中训练 LLM 智能体，用冻结的区分器按真实世界的对数似然比给观察者视角打分，并以任务成功减去该比值作为配对 GRPO 的奖励。该方法证明可控制每个观察者在每个信道上的贝叶斯成功率，在购物与消息任务中消除了披露评判器和查询级奖励漏掉的泄露，同时智能体仍能完成任务。
来源：arXiv 隐私论文 · arxiv.org