Buchumschlag

Dual-Priv Pruning : Efficient Differential Private Fine-Tuning in Multimodal Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wei, Qianshan, Li, Jiaqi, You, Zihan, Zhan, Yi, Li, Kecen, Wu, Jialin, Liu, Xinfeng Li Hengjun, Yu, Yi, Cao, Bin, Xu, Yiwen, Liu, Yang, Qi, Guilin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PrivORL: Differentially Private Synthetic Dataset for Offline Reinforcement Learning
von: Gong, Chen, et al.
Veröffentlicht: (2025)

PrivImage: Differentially Private Synthetic Image Generation using Diffusion Models with Semantic-Aware Pretraining
von: Li, Kecen, et al.
Veröffentlicht: (2023)

PrivCode: When Code Generation Meets Differential Privacy
von: Liu, Zheng, et al.
Veröffentlicht: (2025)

EnchTable: Unified Safety Alignment Transfer in Fine-tuned Large Language Models
von: Wu, Jialin, et al.
Veröffentlicht: (2025)

DP-SAPF: Saliency-Aware Parameter Fine-tuning of Public Models for Differentially Private Image Synthesis
von: Gong, Chen, et al.
Veröffentlicht: (2026)

Single Image Unlearning: Efficient Machine Unlearning in Multimodal Large Language Models
von: Li, Jiaqi, et al.
Veröffentlicht: (2024)

PrivTune: Efficient and Privacy-Preserving Fine-Tuning of Large Language Models via Device-Cloud Collaboration
von: Liu, Yi, et al.
Veröffentlicht: (2025)

DPImageBench: A Unified Benchmark for Differentially Private Image Synthesis
von: Gong, Chen, et al.
Veröffentlicht: (2025)

From Easy to Hard++: Promoting Differentially Private Image Synthesis Through Spatial-Frequency Curriculum
von: Gong, Chen, et al.
Veröffentlicht: (2026)

Differentially Private Contrastive Learning via Bounding Group-level Contribution
von: Li, Kecen, et al.
Veröffentlicht: (2026)

From Easy to Hard: Building a Shortcut for Differentially Private Image Synthesis
von: Li, Kecen, et al.
Veröffentlicht: (2025)

PrivATE: Differentially Private Average Treatment Effect Estimation for Observational Data
von: Yuan, Quan, et al.
Veröffentlicht: (2025)

Differentially Private Fine-Tuning of Diffusion Models
von: Tsai, Yu-Lin, et al.
Veröffentlicht: (2024)

PrivATE: Differentially Private Confidence Intervals for Average Treatment Effects
von: Schröder, Maresa, et al.
Veröffentlicht: (2025)

Efficient Differentially Private Fine-Tuning of Diffusion Models
von: Liu, Jing, et al.
Veröffentlicht: (2024)

PrivDFS: Private Inference via Distributed Feature Sharing against Data Reconstruction Attacks
von: Liu, Zihan, et al.
Veröffentlicht: (2025)

MMDG-Bench: A Benchmark for Multimodal Domain Generalization
von: Zhan, Qianshan, et al.
Veröffentlicht: (2026)

Differentially Private Subspace Fine-Tuning for Large Language Models
von: Zheng, Lele, et al.
Veröffentlicht: (2026)

PrivCirNet: Efficient Private Inference via Block Circulant Transformation
von: Xu, Tianshi, et al.
Veröffentlicht: (2024)

A-MemGuard: A Proactive Defense Framework for LLM-Based Agent Memory
von: Wei, Qianshan, et al.
Veröffentlicht: (2025)

PrivMedChat: End-to-End Differentially Private RLHF for Medical Dialogue Systems
von: Bhujel, Sudip
Veröffentlicht: (2026)

To transfer or not transfer: Unified transferability metric and analysis
von: Zhan, Qianshan, et al.
Veröffentlicht: (2023)

Adaptive and Fine-grained Module-wise Expert Pruning for Efficient LoRA-MoE Fine-Tuning
von: Li, Weihang, et al.
Veröffentlicht: (2026)

O1-Pruner: Length-Harmonizing Fine-Tuning for O1-Like Reasoning Pruning
von: Luo, Haotian, et al.
Veröffentlicht: (2025)

MIKE: A New Benchmark for Fine-grained Multimodal Entity Knowledge Editing
von: Li, Jiaqi, et al.
Veröffentlicht: (2024)

An Optimization Framework for Differentially Private Sparse Fine-Tuning
von: Makni, Mehdi, et al.
Veröffentlicht: (2025)

Differentially Private Condorcet Voting
von: Li, Zhechen, et al.
Veröffentlicht: (2022)

GaussMarker: Robust Dual-Domain Watermark for Diffusion Models
von: Li, Kecen, et al.
Veröffentlicht: (2025)

PrivQuant: Communication-Efficient Private Inference with Quantized Network/Protocol Co-Optimization
von: Xu, Tianshi, et al.
Veröffentlicht: (2024)

Rethinking Bottlenecks in Safety Fine-Tuning of Vision Language Models
von: Ding, Yi, et al.
Veröffentlicht: (2025)

C$^3$TG: Conflict-aware, Composite, and Collaborative Controlled Text Generation
von: Li, Yu, et al.
Veröffentlicht: (2025)

Can Differentially Private Fine-tuning LLMs Protect Against Privacy Attacks?
von: Du, Hao, et al.
Veröffentlicht: (2025)

DAS3D: Dual-modality Anomaly Synthesis for 3D Anomaly Detection
von: Li, Kecen, et al.
Veröffentlicht: (2024)

Dual Tuning for Reasoning Efficacy-Driven Data Curation in Multimodal LLM Training
von: Zheng, Ruobing, et al.
Veröffentlicht: (2026)

PrivSGP-VR: Differentially Private Variance-Reduced Stochastic Gradient Push with Tight Utility Bounds
von: Zhu, Zehan, et al.
Veröffentlicht: (2024)

Gradient Surgery for Safe LLM Fine-Tuning
von: Yi, Biao, et al.
Veröffentlicht: (2025)

Can Large Language Models Understand DL-Lite Ontologies? An Empirical Study
von: Wang, Keyu, et al.
Veröffentlicht: (2024)

PrivEraserVerify: Efficient, Private, and Verifiable Federated Unlearning
von: Goswami, Parthaw, et al.
Veröffentlicht: (2026)

Memory-Efficient Federated Fine-Tuning of Large Language Models via Layer Pruning
von: Wu, Yebo, et al.
Veröffentlicht: (2025)

Seeding with Differentially Private Network Information
von: Liu, Yuxin, et al.
Veröffentlicht: (2023)