基于大语言模型的用户定制化作者混淆技术
计算与语言
2025-05-20 v1 人工智能
摘要
本文探讨了大语言模型 (LLM) 在通过改写和改变写作风格来隐去作者身份方面的效能。我们不采用覆盖整个数据集的整体方法来评估性能，而是聚焦于用户层面的表现，以分析作者混淆效果在不同作者间的差异。尽管 LLM 通常具有良好的效果，但我们观察到效果呈双峰分布，性能在不同用户之间差异显著。为此，我们提出一种针对性的提示方法，可超越标准提示技术，部分缓解双峰问题。
引用
@article{arxiv.2505.12090,
title = {Personalized Author Obfuscation with Large Language Models},
author = {Mohammad Shokri and Sarah Ita Levitan and Rivka Levitan},
journal= {arXiv preprint arXiv:2505.12090},
year = {2025}
}