大型语言模型中的隐私问题：综述

这是首篇聚焦于大型语言模型（LLMs）隐私问题的活跃人工智能研究领域的综述。具体来说，我们关注那些对模型进行红队测试以突出隐私风险、尝试将隐私构建到训练或推理过程中、实现从已训练模型中高效删除数据以符合现有隐私法规，以及试图缓解版权问题的工作。我们的重点是总结那些开发算法、证明定理和运行实证评估的技术研究。虽然存在大量从不同角度应对这些挑战的法律和政策工作，但这并非我们综述的重点。尽管如此，这些工作以及近期的法律发展确实影响了这些技术问题的形式化方式，因此我们在第1节中简要讨论了它们。尽管我们已尽最大努力囊括所有相关工作，但由于该领域研究进展迅速，我们可能遗漏了一些近期工作。如果我们遗漏了您的某项工作，请联系我们，因为我们将尝试保持本综述相对及时更新。我们在 https://github.com/safr-ml-lab/survey-llm 维护了一个仓库，其中包含本综述所涵盖论文的列表以及任何公开可用的相关代码。