近日，OpenAI 发布了一款名为 Privacy Filter 的新模型，旨在帮助开发者有效脱敏文本中的个人身份信息（PII）。该模型的参数规模达到了 1.5 亿，采用了混合专家（MoE）设计，并以 Apache 2.0 协议在 Hugging Face 和 GitHub 平台开源，供开发者下载、定制和商业使用。
Privacy Filter 的核心优势在于其深度语言理解能力，能够通过上下文识别非结构化文本中的敏感信息。与传统的基于规则的隐私过滤工具不同，该模型能够准确保留公开信息的同时，对与特定个体相关的敏感数据进行遮盖或脱敏。这一能力使得开发者在训练管线、索引流程、日志记录和审核环节中，能够构建更为强大的隐私保护机制。
该模型能够支持高达 12.8 万个 Token 的上下文窗口，并通过受限维特比算法解码出连贯的片段。在评估中，Privacy Filter 在 PII-Masking-300k 基准测试中表现出色，F1 分数达到了 96%。经过对评估中发现的标注问题进行修正后，该模型的 F1 分数进一步提升至 97.43%，显示了其在识别个人敏感信息方面的高效性。
OpenAI 表示，Privacy Filter 并不是匿名化工具，无法替代合规认证。在法律、医疗和金融等高敏感性场景中，人工审核及领域特定的评估和微调仍然是必不可少的。此外，Privacy Filter 的设计旨在保护用户的隐私，能够在本地设备上运行，用户在使用 AI 工具时，不必担心个人信息泄露。
