Demystifying the Privacy-Utility Trade-off in LLM Interactions

作者将脱敏损失归因为意图驱动的数据价值变化、按事实或结构选择删除/替换，以及属性间的依赖与冗余，并以此设计 Veilmind-4B 驱动的本地抽取 - 脱敏 - 恢复流程。这个分解把“隐私越强效用越差”的静态假设改成可按任务条件调节的策略，目标是在低泄漏点靠近 Pareto 前沿。