3,583 papers
arXiv:2511.13319 61 17 нояб. 2025 г. PRO

Whistledown: Сочетание конфиденциальности на уровне пользователя с разговорной связностью в LLM

КЛЮЧЕВАЯ СУТЬ
Облачный LLM видит каждое ваше слово: имена коллег, названия проектов, телефоны клиентов — всё это потенциально сохраняется и может быть использовано провайдером. Метод Whistledown позволяет обсуждать с LLM чувствительные рабочие и личные кейсы без риска утечки данных. Механика проста: замените все личные данные на псевдонимы перед отправкой (Иван Петров → Сотрудник А, ООО "Ромашка" → Компания X), отправьте анонимный промпт, получите ответ с теми же псевдонимами, а затем мысленно подставьте обратно реальные имена — диалог остаётся связным, но провайдер не получает ни одного реального факта.
Адаптировать под запрос

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с