本文提出了一种新的隐私保护合成数据生成算法，能够实现自动的主题分布匹配，适用于资源受限的AI应用。大规模差分隐私（DP）合成数据生成面临隐私、计算和效用之间的权衡，强隐私保障往往影响数据质量或需大量计算。现有方法通常依赖对大规模语言模型（LLM）进行私有微调，但计算成本高昂。近期的Aug-PE和Pre-Text算法虽仅需LLM API访问权限，但其效果有限。本文算法在保证隐私的同时，降低了计算需求，提高了实用性。

本专栏通过快照技术转载，仅保留核心内容

内容中包含的图片若涉及版权问题，请及时与我们联系删除