CALLIOPE：无需嵌入的隐私化 AI 使用洞察

CALLIOPE 用 LLM 直接做差分隐私主题层级发现，不依赖嵌入。

资讯摘要

论文提出 CALLIOPE，一个自顶向下、支持差分隐私（DP）的框架，用于在 LLM 对话等大规模非结构化语料中发现主题层级。与依赖向量嵌入聚类的传统方法及近期 LLM 增强方法不同，该框架在整个流程中直接利用 LLM 能力。作者报告，在 DP 设置下其效用优于现有基于嵌入的方法，尤其在高隐私区间；并用传统聚类指标及新提出的效用指标评估输出质量。

要点速读

1. CALLIOPE 是自顶向下、支持差分隐私的主题层级发现框架，面向 LLM 对话等大规模非结构化语料。
2. 该框架不依赖向量嵌入聚类，整个流程直接使用 LLM 能力。
3. 作者报告在 DP 设置下效用优于基于嵌入的方法，高隐私区间尤为明显，并引入新的效用指标。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。