論文の概要: Sensitive-Topic Leakage Through LLM Routing Metadata: Measurement and Mitigation

• arxiv url: http://arxiv.org/abs/2610.09981v1
• Date: Wed, 07 Oct 2026 12:47:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.909729
• Title: Sensitive-Topic Leakage Through LLM Routing Metadata: Measurement and Mitigation
• Title（参考訳）: LLMルーティングメタデータによる高感度トピックリーク:測定と緩和
• Abstract要約: 我々は2つのコスト/品質のルータと1つのドメインルータで170万の実際のリクエストを事前登録した研究を行っている。 50%の運用ポイントにおけるRouteLLMでは、ハラスメントとセルフハーム要求が、探索において見つからないプロンプトの19ポイントよりも少ない頻度で、強力なモデルに到達している。 20 RouteLLM の決定は AUC 0.71 を探索し、登録済みのプライマリエンドポイントの 0.75 より下位の頻繁な医療質問者を分離する。
• 参考スコア（独自算出の注目度）: 0.10152838128195468
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM routers pick a cheap or expensive model per request by its content, and many gateways and some cloud platforms can log that choice with content logging off. We measure this privacy channel beyond token counts, accounting for noisy labels and repeated prompts. We run pre-registered studies on 1.7 million real requests (WildChat-1M, LMSYS-Chat-1M) with two cost/quality routers and a domain router, survey eleven systems' logging, and test post-processing defenses. At matched length, the shift's direction depends on category and router. For RouteLLM at the 50% operating point, harassment and self-harm requests reach the strong model 19 points less often than comparable ones on prompts unseen in exploration, medical requests (exploratory: LLM labels failed their gate) 31 points less often on distinct prompts (both post hoc), and sexual requests 10 points more often (secondary); the other router's four are negative. Twenty RouteLLM decisions separate frequent medical askers with AUC 0.71, exploratory and below the pre-registered primary endpoint's 0.75 (domain router: 0.92, an upper estimate). Per-category length-matched parity with accurate labels removes the gap on real traffic, costing at most 0.2 accuracy points on RouterBench (post hoc), where routers' gaps on sensitive subjects (13-42 points, pre-registered) exceed those of an oracle routing by realized accuracy gain (1-11, post hoc). Per-conversation stickiness, per-user budget bands, and pooled parity fail, the last as categories' shifts differ in size or sign. A post hoc exact per-user rate hides only even-prefix strong counts and forfeits most self-assessed routing value; it preserves odd-position decisions, from which a post hoc log attack reaches AUC 0.73 after 20 RouteLLM requests (exploratory).
• Abstract（参考訳）: LLMルータは、そのコンテンツ毎の要求に対して、安価または高価なモデルを選択し、多くのゲートウェイと一部のクラウドプラットフォームは、コンテンツのログオフによって、その選択をログアウトすることができる。 私たちはこのプライバシーチャンネルをトークン数を超えて測定し、ノイズの多いラベルと繰り返しのプロンプトについて説明します。 We run pre-registered study on 1.7 million real request (WildChat-1M, LMSYS-Chat-1M) with two cost/quality routers and a domain router, survey 11 systems' logging and test post-processing defenses。 一致する長さでは、シフトの方向はカテゴリとルータに依存する。 50%の運用ポイントにおけるRouteLLMにとって、ハラスメントとセルフハームの要求は、探索の見当たらないプロンプト、医学的要求(探索:LSMラベルがゲートに失敗した)、31ポイントは異なるプロンプト(どちらもホック後)、性的要求は10ポイント(第2のルータの4つは否定的な結果である。 20のRouteLLM決定は、AUC 0.71、探索的、および登録済みのプライマリエンドポイントの0.75(ドメインルータ:0.92、上限推定値)より下の頻繁な医療質問者を分離する。 精度の高いラベル付きカテゴリごとの長さ整合パリティは、実際のトラフィックのギャップを除去し、ルーターベンチ(ポストホック)の0.2の精度ポイントを犠牲にし、ルーターの感度の高い被写体(13-42ポイント、プレ登録済み)におけるギャップは、精度の高いゲイン(1-11、ポストホック)を実現することでオラクルルーティングのギャップを超える。 会話ごとの粘り強さ、ユーザ毎の予算バンド、プールされたパリティは失敗し、最後にはカテゴリのシフトがサイズやサインによって異なる。 ポストホックの正確なユーザ毎のレートは、固定された強い数だけを隠蔽し、最も自己評価されたルーティング値を偽り、20のRouteLLMリクエスト(探索)の後、ポストホックログ攻撃がAUC 0.73に達する奇数位置決定を保持する。

関連論文リスト

• Dynamic LLM Routers are Often Misguided [6.011108172815789]
  動的LLMルータは,各クエリを最も安価なモデルに送信することで,推論コストを削減することを約束する。 8つのタスクカテゴリにまたがるベンチマークで、14の設定で6つの商用ルータを分析します。 いずれのルータも、一致したコストで2つのよくできたモデルの中からランダムに選択するルータに勝るものは見つからない。
  論文  参考訳（メタデータ） (2026-10-02T03:42:28Z)
• From Routing Signals to Selective Review: Visual regrounding in MoE VLMs [48.07726955428853]
  視覚言語モデル(VLM)は偽の視覚的前提を受け入れ、対象の物体の色、数、位置、状態について疑問に答える。 本稿では,Mixture-of-Experts (MoE)VLMにおける内部ルーティング決定を活用するための最初のフレームワークを提案する。 提案手法は,MoE VLMによってすでに作成されており,低コストな検出と選択的な視覚的リグラウンドを支援することができる。
  論文  参考訳（メタデータ） (2026-09-29T17:49:07Z)
• LayerRoute: Adaptive Layer-Skipping with LoRA-Preserved Quality for Efficient LLM Inference [0.0]
  LayerRouteは適応トランス層スキッピングのためのパラメータ効率のよい手法である。 層間ハードゲートルーティングとジョイントLoRAファインチューニングを組み合わせる。 列車はA100で7分以下で運行され、オーバーヘッドは無視できる。
  論文  参考訳（メタデータ） (2026-09-12T03:30:59Z)
• SCX Router: Streaming Zero-Shot Model Selection with a Decoder-KV Classifier and a Real-World Task Ontology [47.16406021922537]
  本稿では,GLiClassをベースとした軽量ルータであるルータを紹介し,自動生成なしで各推論時間モデルラベルに適合点を割り当てる。 タスク生成には、23のファミリー、115のタスクタイプ、345のルータブルなサブタイプ、1,173の合成例と30のドメインの軸を持つタスク構造を構築する。 次に、これらのタスクでQwen3デコーダをトレーニングし、学習された要求予測を、適格性、コスト、キャッシュ再利用、安全性、主権といった属性に対するタスクごとのポリシーから明確に分離します。
  論文  参考訳（メタデータ） (2026-09-02T08:40:07Z)
• RouteSparse: Input-Conditional Pattern Routing for Budgeted Long-Context Prefilling [9.844467613008392]
  我々は,GPU効率の良いスパースパターンの小さなライブラリの中で,各ヘッドとプロンプトのセグメントをルーティングするRouteSparseを紹介する。 低コストのプローブはパターンの有用性と不確実性を推定し、遅延対応ルータはパターンと予算を選択し、不確実なケースはより密なマスクにフォールバックする。 Llama 3.1-8B-Instructs with 128K-token promptsでは、RouteSparseは深い注意に対して0.2ポイントのRULERドロップで6.5倍の高密度プリフィル速度を達成した。
  論文  参考訳（メタデータ） (2026-08-29T05:23:41Z)
• Disagree to Explore, Agree to Commit: Routing-Guided Test-Time Scaling for Software Agents [60.650808962786364]
  外部判断や選択時間テストの実行なしに,ネイティブなMoEルータトレースがステアリングと選択をガイドできるかどうかを検討する。 我々の分析は、ルーティングが堅牢な行動的役割シグナルを提供することを示している。トークン・グラニュラ・リードアウトと決定整合比較セットは、ルーティングを効果的に制御する。 オープンウェイトスパースMOEエージェントを用いたSWEベンチ検証を行い,評価を行った。
  論文  参考訳（メタデータ） (2026-08-23T03:07:03Z)
• Agent-as-a-Router: Agentic Model Routing for Coding Tasks [54.00153674547733]
  Agent-as-a-router (AC)はC-A-Fループとしてルーティングを形式化する(Context->Action->FeedbackContext) ACは、分配タスクに対する最小の累積後悔を達成し、配布外エージェントプログラミングタスクに一般化する。
  論文  参考訳（メタデータ） (2026-06-22T06:37:31Z)
• When Are Experts Misrouted? Counterfactual Routing Analysis in Mixture-of-Experts Language Models [27.942734943134983]
  Mixture-of-Experts (MoE)言語モデルは、各トークンを専門家の小さなサブセットにルーティングする。 検証された推論軌道において,各標準経路を同一のトークンに対してサンプル化された等価な代替手段と比較し,実効トークンに割り当てる次の確率でスコアする。 標準ルータは信頼性の高いトークンではルートユーティリティと整合性があるが、ハード推論を駆動する脆弱なトークンでは非形式的である。
  論文  参考訳（メタデータ） (2026-05-08T05:26:09Z)
• Route-DETR: Pairwise Query Routing in Transformers for Object Detection [11.46025964297103]
  Detection Transformer (DETR) はオブジェクト検出のためのエンドツーエンドソリューションを提供する。 DETRは、複数のクエリが同じ位置に収束する非効率なクエリ競合に悩まされている。 本稿では,デコーダの自己アテンション層における適応的ペアワイズルーティングを通じて,これらの問題に対処するRoute-DETRを提案する。
  論文  参考訳（メタデータ） (2025-12-15T20:26:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。