大语言模型大规模去匿名化攻击
深度2026年3月26日3 分钟阅读
研究人员利用大语言模型（LLM）构建了一个可扩展的攻击流水线，仅凭用户在 Hacker News、Reddit 等平台的匿名文本内容，就能以高达 90% 的精确度重新识别用户身份。相比传统方法近乎零的召回率，LLM 方法在三个真实数据集上实现了最高 68% 的召回率。
本文编译自 Large-scale online deanonymization with LLMs，版权归原作者所有。
觉得有用？分享给更多人
相关文章
OpenAI 的 Decisions API 进入公测并加入图像输入，能在文本或图像上输出谓词、选项、分数三类结构化结果，模型跑在 GPT-6 Luna 上，按每百万输入 token 0.10 美元计费。Perplexity、Cloudflare、Amazon 也在本月发布了各自的开放权重决策模型，可下载自部署。OpenAI 坚持托管 API 的做法，可能成为开发者选型的关键差异。
深度The New Stack·10月7日·4 分钟
Haiku 5.5 定价 $0.10/$0.50 每百万 token（10 万 token 内），超过后涨价 5 倍；但新分词器让相同提示词多消耗约 1.25 倍 token，存在隐性涨价。Anthropic 同时将 Sonnet 5.5 的缓存读取价格减半，并为 Max 和 Team 订阅用户提供每月 API 额度。
深度Simon Willison·10月7日·4 分钟