本文探讨了匿名化技术对机器学习公正性的影响，发现其可能降低群体公正性，但在个体公正性上有所改善。研究为隐私、公正性与效用之间的平衡提供了重要见解，并为负责任的人工智能发展提供了指导。

本文介绍了一种基于大型语言模型（LLM）的匿名化技术，通过训练一个小型本地模型来解除LLM返回结果的匿名化。作者提出了HaS框架，通过隐藏私有实体和寻找私有实体的过程来实现匿名化和解匿名化。实验结果表明，HaS框架在隐私保护和实用性之间实现了最优的平衡。