1-2-3 检查：通过多智能体推理提升 LLM 的上下文隐私
人工智能
2026-02-26 v3
摘要
在信息来自多个来源（例如，对包含私有和公共信息的会议进行总结）的交互式环境中，面临的上下文隐私问题仍具有挑战性。我们引入了一个多智能体框架，将隐私推理分解为专门的子任务（提取、分类），从而减轻单个智能体的负担，并实现迭代验证和更可靠的遵循上下文隐私规范。为了理解隐私错误如何产生并传播，我们对信息流拓扑结构进行系统的消融实验，揭示了上游检测错误何时以及为何会导致下游泄露。在 ConfAIde 和 PrivacyLens 测试基准上的实验表明，我们最佳的多智能体配置在 GPT-4o 上可显著减少私有信息泄露（在 ConfAIde 上降低 18%，在 PrivacyLens 上降低 19%），同时保持公共内容的忠实度，超越单智能体基线。这些结果凸显了在 LLM 多智能体系统中实用信息流设计对于实现上下文隐私的潜力。
引用
@article{arxiv.2508.07667,
title = {1-2-3 Check: Enhancing Contextual Privacy in LLM via Multi-Agent Reasoning},
author = {Wenkai Li and Liwen Sun and Zhenxiang Guan and Xuhui Zhou and Maarten Sap},
journal= {arXiv preprint arXiv:2508.07667},
year = {2026}
}
备注
Accepted at the International Association for AI Safety and Ethics AI (IASEAI) 2026