Naukowcy zaprezentowali DiRAFT - nową metodę generowania syntetycznych transkrypcji finansowych, która utrzymuje wierność dyskursu przy jednoczesnej ochronie prywatności danych. Problem jest konkretny: uczenie modeli języka na prawdziwych rozmowach finansowych grozi wyciekami poufnych informacji inwestorów, nawet gdy usunie się bezpośrednie identyfikatory. Metoda DiRAFT rozwiązuje to, najpierw ekstrahując grafy koncepcji finansowych z transkrypcji szkoleniowych i rejestrując porządek, w jakim koncepcje są po raz pierwszy wprowadzane. Następnie łączy przejścia między koncepcjami z różnych rozmów i tworzy nowe plany grafów na podstawie zagregowanych wzorców statystycznych.
Wypróbowanie systemu na transkrypcjach rozmów z inwestorami wykazało, że stochastyczne próbkowanie nowych grafów zapewnia dobrą równowagę między wiernością wzorców przejść a minimalnym nakładaniem się strukturalnym z danymi źródłowymi. Badacze ocenili metodę wielowymiarowo: ocenili zbieżność strukturalną na poziomie korpusu, ręczne sprawdzenie 1400 wygenerowanych transkrypcji pod kątem potencjalnych wycieków poufnych faktów, a także jakość samych generowanych transkrypcji. Wyniki sugerują, że DiRAFT konsekwentnie przewyższa prostsze podejścia oparte na zachłannym wyborze lub ograniczeniu do trzech najlepszych wariantów.
Praca ma znaczenie dla instytucji finansowych rozwijających modele językowe, które mogą być wytrenowane na większych zbiorach danych bez ryzyka naruszenia poufności klientów. Syntetyczne transkrypcje mogą zatem stać się praktyczną alternatywą dla bezpośredniego wykorzystywania wrażliwych rozmów, otwierając nowe możliwości w AI dla sektora finansowego przy zachowaniu standardów bezpieczeństwa.