Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.01752

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2507.01752 (cs)
[提交于 2025年7月2日 ]

标题: 无需窥探的调优:LLM后训练的可证明隐私和泛化界限

标题: Tuning without Peeking: Provable Privacy and Generalization Bounds for LLM Post-Training

Authors:Ismail Labiad, Mathurin Videau, Matthieu Kowalski, Marc Schoenauer, Alessandro Leite, Julia Kempe, Olivier Teytaud
摘要: 基于梯度的优化是深度学习的核心,通过反向传播提供高效且可扩展的训练。然而,其对大量标记数据的依赖引发了隐私和安全问题,如容易受到数据污染攻击和过拟合的风险。相比之下,黑盒优化方法将模型视为一个不透明的函数,仅依靠函数评估来指导优化,在数据访问受限、对抗风险高或过拟合是关注点的情况下,提供了有前景的替代方案。然而,黑盒方法也带来了重大挑战,包括在高维参数空间中的可扩展性差,这在大型语言模型(LLMs)中很常见,以及由于依赖大量模型评估而导致的高计算成本。本文介绍了BBoxER,这是一种用于LLM后训练的进化黑盒方法,通过隐式压缩训练数据来引入信息瓶颈。利用信息流的可处理性,我们提供了泛化、差分隐私、对数据污染攻击的易感性和对提取攻击的鲁棒性的强理论界限。BBoxER在预训练的LLMs之上运行,提供了一种轻量级且模块化的增强,适用于受限或隐私敏感环境,除了非空泛化保证外。在LLM的实验中,我们实证表明重构方法能够学习,展示了BBoxER的几次迭代如何在推理数据集基准上提高性能并具有良好的泛化能力。这使BBoxER成为基于梯度的优化的一个有吸引力的附加组件。
摘要: Gradient-based optimization is the workhorse of deep learning, offering efficient and scalable training via backpropagation. However, its reliance on large volumes of labeled data raises privacy and security concerns such as susceptibility to data poisoning attacks and the risk of overfitting. In contrast, black box optimization methods, which treat the model as an opaque function, relying solely on function evaluations to guide optimization, offer a promising alternative in scenarios where data access is restricted, adversarial risks are high, or overfitting is a concern. However, black box methods also pose significant challenges, including poor scalability to high-dimensional parameter spaces, as prevalent in large language models (LLMs), and high computational costs due to reliance on numerous model evaluations. This paper introduces BBoxER, an evolutionary black-box method for LLM post-training that induces an information bottleneck via implicit compression of the training data. Leveraging the tractability of information flow, we provide strong theoretical bounds on generalization, differential privacy, susceptibility to data poisoning attacks, and robustness to extraction attacks. BBoxER operates on top of pre-trained LLMs, offering a lightweight and modular enhancement suitable for deployment in restricted or privacy-sensitive environments, in addition to non-vacuous generalization guarantees. In experiments with LLMs, we demonstrate empirically that Retrofitting methods are able to learn, showing how a few iterations of BBoxER improve performance and generalize well on a benchmark of reasoning datasets. This positions BBoxER as an attractive add-on on top of gradient-based optimization.
主题: 机器学习 (cs.LG) ; 人工智能 (cs.AI); 计算与语言 (cs.CL); 密码学与安全 (cs.CR)
引用方式: arXiv:2507.01752 [cs.LG]
  (或者 arXiv:2507.01752v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.01752
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Ismail Labiad [查看电子邮件]
[v1] 星期三, 2025 年 7 月 2 日 14:29:30 UTC (640 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.AI
cs.CL
cs.CR

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号