Perplexity 开源 PII-Tracer：仅 0.6B 参数的端侧隐私守门人

PII-Tracer 是 Perplexity 开源的一个 0.6B 参数轻量级端侧隐私检测模型，配套开源的还有多语言长对话基准 PII-TRACE。它专门充当端侧 AI 的「隐私守门人」，负责在敏感数据离开本地、发往云端前完成识别、拦截或脱敏。

目前模型权重和基准数据集都已在 Hugging Face 上公开。

它能做什么

在混合计算架构里，本地小模型负责看管私密文件，云端大模型负责复杂推理和联网检索。但要决定什么内容可以出端，前提是本地必须先认出哪些文本是个人身份信息（PII）。

现实对话往往很长，同一个名字、邮箱或账号会在几轮对话里反复出现。传统检测器通常按单条记录处理，只要漏掉其中一次提及，隐私就漏出去了。

PII-Tracer 专为长轮次、多语言对话设计。它支持 13 种语言和 10 种书写系统，能对 9 种个人隐私信息进行字符级别的精确定位。无论是纯文本，还是混杂了代码和表格的复杂内容，它都能在本地保持持续追踪。

0.6B 模型是怎么做到的

PII-Tracer 没有直接拿大模型套壳，而是基于 Qwen3 骨干网络改造了一个双向编码器。做隐私抽取不是写文章，不需要自回归生成，因此它移除了因果掩码，换成支持填补感知的双向注意力机制，在 4096 token 的上下文窗口里让前后文相互参考。

模型每个 token 输出 1024 维表征，后接一个包含 37 个类别的 BIOES 线性标注头，覆盖 9 类隐私的起止位置。同时，它还带有一个辅助分类头，用来直接预测整段对话是否涉及健康、宗教等敏感话题。

在推理阶段，PII-Tracer 没有逐字硬猜，而是采用受约束的维特比解码，强制保证实体标签的语法结构合法，最后直接映射回精确的字符起止区间。

评测表现与测试数据

在配套发布的 PII-TRACE 基准测试中，官方评估了 12 个系统。PII-Tracer 拿下了 0.629 的最高字符级 F1 分数，优于所有开源竞品，综合表现逼近数百亿乃至上万亿参数的云端前沿模型。

在反复出现的隐私信息测试中，它的优势尤为明显。当一个标识符出现 6 到 10 次时，PII-Tracer 的全检出率仍有 0.691，而 GPT-5.6-sol 降到了 0.464，GLiNER2-PII 和 Claude Opus 4.8 则分别跌至 0.073 和 0.045。

数据表现说明，传统的单条检测规则在真实连续对话里极易丢三落四，而针对长文本优化的双向小模型反而抓得更稳。

为什么重要

对于正在构建本地 Agent 或混合推理架构的开发者来说，PII-Tracer 提供了一个低成本、低延迟的现成隐私过滤器。0.6B 的体量几乎可以无感跑在任何现代个人电脑上，省去了用昂贵云端 API 先做一道数据清洗的开销。

我们认为，Perplexity 开源这一模型的聪明之处在于切中了端侧智能的关键痛点：大家都在喊端云协同，但没有可靠的本地守门机制，严肃企业和个人根本不敢把本地文档交给 Agent。不过需要提醒的是，0.629 的 F1 虽领跑小模型，但依然存在漏检可能，直接用于高合规业务时，仍需配合人工确认或更严格的规则兜底。