本文探讨了生成式语言模型在生成差分隐私数据集中的应用，强调通过私有调优提升合成数据质量。研究提出了基于隐私保护的分阶段生成模型（P3GM），有效解决高维数据的隐私合成问题，并提出了私有熵投影（PEP）和生成对抗网络（GANs）等算法，以增强数据生成的隐私保护和准确性。

瑞典 Lund University 的硕士生 Emil Eriksson 开发了一个名为 cargo-indicate 的命令行工具，使用 GraphQL 递归搜索依赖树以查找 Rust 代码库中的不安全使用、GitHub 星标、crates.io 下载量等信息。论文发现 Windows API 绑定是所有分析过的软件包中最突出的，GitHub 星标数量呈双峰分布，依赖项中的大量警报可能并不是一件坏事。该工作受到 Volvo Cars 的赞助。此外，还分享了 Qovery 团队在多架构发布上的经验和解决方案，以及 Rust 周报。