PILLAR：隐私保护RAG的私有倒排索引检索
原文标题：PILLAR: Private Inverted-Index Lexical Lookup for Augmented Retrieval
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
针对RAG将用户查询暴露给语料托管方的问题，论文提出基于私有信息检索（PIR）的隐私保护RAG系统PILLAR。它采用稀疏+稠密两阶段混合检索：稀疏阶段用预计算BM25索引做少量固定PIR查询筛选候选，稠密阶段仅取候选嵌入本地重排。PILLAR-Bin延迟低于现有方案，PILLAR-Tree在更低延迟下取得最高检索质量。
- 问题
- RAG 把用户查询暴露给语料托管方，现有隐私方案依赖稠密检索导致延迟高、质量差。
- 方法
- 两阶段私有混合检索：稀疏阶段用预计算 BM25 索引做少量固定 PIR 查询筛候选，稠密阶段仅取候选嵌入本地重排。
- 结果
- PILLAR-Bin 延迟低于现有方案，PILLAR-Tree 在更低延迟下取得最高检索质量。
- 影响
- 对查询隐私敏感的 RAG 产品可在不牺牲检索质量的前提下降低私有检索延迟。
深读 · 结论先行AI 生成展开看要点与影响 ↓
PILLAR用稀疏+稠密两阶段私有检索，让服务器看不到查询词与访问模式。
- •基于私有信息检索（PIR），服务器对查询词和访问模式均无感知
- •稀疏阶段用预计算BM25索引发少量固定PIR查询筛候选
- •稠密阶段仅取候选嵌入本地重排，避免私有稠密检索的大量昂贵PIR轮次
- •PILLAR-Bin单轮设计延迟低于现有方案，PILLAR-Tree在更低延迟下检索质量最高
为什么重要：RAG把用户查询交给语料托管方是长期隐私缺口，PILLAR给出延迟与质量可权衡的工程化路径。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。