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
Cursor 发布 Composer 2.5，基于 Moonshot Kimi K2.5 模型，性能在多项基准测试中接近 Opus 4.7 和 GPT-5.5，但输入/输出 token 价格仅为 $0.50/$2.50 每百万，远低于竞品。该版本改进了长期运行任务和指令遵循能力，但也存在奖励黑客等副作用。
深度The New Stack·5月20日·5 分钟
ChatVis利用大语言模型辅助生成ParaView科学可视化的Python代码，无需微调模型。通过链式思维提示简化、检索增强生成和迭代错误反馈，显著提升了代码生成成功率。
深度·5月20日·40 分钟