计算机科学 > 计算与语言
[提交于 2025年7月15日
]
标题: 应该让LLMs遗忘什么? 量化LLMs中的个人数据以满足被遗忘权请求
标题: What Should LLMs Forget? Quantifying Personal Data in LLMs for Right-to-Be-Forgotten Requests
摘要: 大型语言模型(LLMs)可以记忆和泄露个人信息,引发了对符合欧盟GDPR的担忧,特别是被遗忘权(RTBF)。现有的机器遗忘方法假设要遗忘的数据已经知道,但没有解决如何识别模型中存储的个体事实关联。隐私审计技术通常在人口层面操作或针对一小部分标识符,限制了对个体层面数据查询的适用性。我们引入了WikiMem,一个包含超过5000个自然语言信标的数据集,涵盖了来自Wikidata的243个人类相关属性,并提出了一个与模型无关的度量来量化LLMs中的人类事实关联。我们的方法使用校准后的负对数似然,在改写提示中对真实值与反事实进行排序。我们在15个LLMs(410M-70B参数)上评估了200个人,结果表明记忆与主体网络存在性和模型规模相关。我们为在个体层面识别LLMs中的记忆个人数据提供了基础,使能够动态构建遗忘集用于机器遗忘和RTBF请求。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.