Creation begins with understanding: LLMs as strategy designers for privacy-preserving tabular data synthesis
Este artículo presenta TabSSD, un nuevo marco de trabajo que aprovecha los Modelos de Lenguaje de Gran Escala para diseñar procedimientos de síntesis que preservan la privacidad basándose en resúmenes de dependencia de variables en lugar de datos brutos, logrando una fidelidad estadística, utilidad y compensaciones de privacidad superiores, al tiempo que reduce significativamente los costos computacionales y las barreras de especialización en comparación con los métodos existentes.