Как ломаются LLM Guardrails: практический разбор NER для ПД
Программный комитет ещё не принял решения по этому докладу
Целевая аудитория
ML-инженеры и разработчики, работающие с LLM-системами и NLP, которым важно понимать архитектурные ограничения NER-подходов при детекции персональных данных, а также
трейд-оффы между качеством, latency и стабильностью guardrails.
Тезисы
Воркшоп посвящён практическому разбору NER как ключевого компонента LLM Guardrails в задачах детекции персональных данных.
Участники научатся:
1. Диагностировать failure cases NER на примерах ПД
2. Выбирать архитектуру под latency/budget (100ms vs 1s)
3. Искать trade-off: recall vs latency
ML Engineer @ Hivetrace
LLM Guardrails: NLP, NER, ML-инференс
Видео
Другие доклады секции
LLM
