PA-DR

关键数据点

• 泄露率降幅: 使用 PA-DR 训练后的 Qwen3-4B，Answer/Full-Information 泄露率从 34.0% 大幅降低至 9.9%。
• 严格链成功率: 相比于 Base 模型 48.7% 的成功率，PA-DR 成功率不降反升，达到 58.7%（仅做任务训练的模型为 59.3%）。
• 样本生成效率: PA-DR 情境化奖励机制效率极高，仅用 183k 样本即达到 55% 的成功率，比传统 outcome-reward 训练（需 963k 样本）节省了 5-6 倍生成量。

前提与局限性

• 隐私分类器盲区: 其防御效果依赖于训练好的“隐私检测分类器”（在研究中为 Qwen3-4B 模型），若分类器存在未知的对抗性漏洞或在特定敏感域中泛化失效，泄露风险仍可能爆发。
• 计算开销: 结合了双重奖励机制，需要在训练或微调阶段生成额外的动作评估样本，具有一定的算力和时间开销。

关联概念

• MosaicLeaks：评测 PA-DR 表现的基准平台。
• Mosaic-Effect：PA-DR 所致力于削减和防御的核心隐私攻击通路。