Vitalik测试隐私AI架构 用本地模型与三层机制保护个人数据
RecodeX 重构消息，以太坊联合创始人Vitalik Buterin发文称，他正在测试一种隐私AI架构，利用个人健康和旅行数据获取饮食及运动建议，同时尽量避免向远程大模型泄露隐私。该方案由本地模型Qwen等三层机制组成，用于在调用AI能力的同时保护个人数据。
事件追踪 · 持续发展中
Vitalik隐私AI健康实验
持续追踪Vitalik隐私AI健康实验相关报道与进展。
关注仅保存在当前浏览器和域名中，无需登录，不会自动跨设备同步。事件时间线
按最新发布排序Vitalik测试本地模型编排前沿模型实现隐私保护健康建议
RecodeX 重构消息，以太坊联合创始人Vitalik Buterin披露一项个人实验：用本地模型Qwen 3.8 Flash Next作为编排层，将远程前沿模型作为工具调用，基于其个人健康与出行数据生成个性化饮食和运动建议，同时避免向远程模型泄露隐私。
隐私方案分三层：由本地模型代写查询以避免身份和写作风格泄露，通过zkAPI避免支付渠道泄露身份，借助Tor隐藏网络与IP。他表示三层措施已基本齐备，建议成功返回且前沿模型的信息提升了质量。
主要不足包括：Tor不适合逐请求去关联，延迟高出理想水平10至100倍；技能文件的请求构造策略远非最优；Qwen 3.8 Flash Next速度约20至30 TPS，仍不够快。他还指出，向远程模型提供的数据越谨慎，其能提供的帮助就越有限。