Key points are not available for this paper at this time.
تحفظ نماذج اللغة المدربة مسبقًا كميات هائلة من المعلومات، بما في ذلك البيانات الخاصة وذات حقوق الطبع والنشر، مما يثير مخاوف كبيرة تتعلق بالسلامة. إعادة تدريب هذه النماذج بعد استبعاد البيانات الحساسة مكلف للغاية، مما يجعل التعلم الآلي العكسي بديلاً عمليًا وفعالاً من حيث التكلفة. ركزت الأبحاث السابقة على التعلم الآلي العكسي للنماذج أحادية اللغة، لكننا وجدنا أن التعلم العكسي بلغة واحدة لا ينتقل بالضرورة إلى لغات أخرى. هذه الثغرة تجعل النماذج عرضة لهجمات على اللغات منخفضة الموارد، حيث تظل المعلومات الحساسة متاحة في اللغات الأقل هيمنة. تقدم هذه الورقة نهجًا رائدًا للتعلم الآلي العكسي لنماذج اللغات متعددة اللغات، يمحو المعلومات بشكل انتقائي عبر لغات مختلفة مع الحفاظ على الأداء العام. وبشكل محدد، يستخدم أسلوبنا مخطط تعلم عكسي تكيفي يُعيّن أوزانًا تعتمد على اللغة لمعالجة أداء اللغات المختلفة في نماذج اللغات متعددة اللغات. تظهر النتائج التجريبية فعالية إطار عملنا مقارنة بأساليب التعلم العكسي الموجودة، مما يضع معيارًا جديدًا للنماذج متعددة اللغات الآمنة والقابلة للتكيف.
درس تشوي وآخرون (الثلاثاء) هذا السؤال.