隐私位：通过成员推理评估后训练量化

这篇文章来自ArXiv，重点是通过成员推理评估后训练量化技术，可能评估这些方法在大语言模型（LLM）背景下的隐私影响。标题表明关注模型压缩（量化）和隐私保护之间的权衡。使用成员推理表明试图确定特定数据点是否用于模型的训练，这是一个关键的隐私问题。

• •关注后训练量化的隐私影响。
• •使用成员推理来评估隐私。
• •与LLM领域相关。