Google 发布 JAX-Privacy 1.0：面向大规模机器学习的差分隐私工具库

Google 发布 JAX-Privacy 1.0，这是构建在 JAX 之上、用于大规模机器学习差分隐私训练的模块化工具库。新版本集成最新 DP 算法研究成果，支持 DP-SGD、DP-FTRL 及 DP matrix factorization 等方法，并借助 JAX 的 vmap、shard_map 实现数据与模型并行，可在多加速器和超算上训练大模型。