应用，音多科化应用面 * 通 用 智 能 体 》 8 金 ： n8.5RE, 专 业 智 能 体 》 办公鹭进 ) (Dm) tt,sa 8, 面 9 5 豆 Ea 2 #= 技育 , 面 E a 文 性 磨 平 AP 面 人

在金融领域和通用领域的表现分别进行 了对比。结果显示，BloombergGPT 模型在金融任务上的表现远超通用模型，在五 项任务中的 ConvFinQA（测试对金融领域相关问题的理解和推理能力）、FiQA SA （测试英文财经新闻和社交媒体标题中特定方面的情感）、FPB（金融短语库数据 集，包括对金融新闻的句子情感分类任务）、Headline（判断新闻标题是否包含特 定信息）四项表现最佳，在 NER（对从提交给

)：无法单凭其一列确定 对象，但通过结合多列数据或查其它信息 ( 缩小范围 ) 可以对应到 个人的数据列，如：生日、邮编等；  敏感信息列 ( Sensitive Attribute，简称 SA )：如疾病、收入等。 虽然只有标识列的数据能够直接缩小范围到单个样本，但如前文所述，仅 匿名化标识列数据对于隐私保护是完全不够的。 2. 攻击方法与防护方法 ① 链接攻击 DataFunTalk