Perplexity 開源 PII-Tracer：僅 0.6B 引數的端側隱私守門人

PII-Tracer 是 Perplexity 開源的一個 0.6B 引數輕量級端側隱私檢測模型，配套開源的還有多語言長對話基準 PII-TRACE。它專門充當端側 AI 的「隱私守門人」，負責在敏感資料離開本地、發往雲端前完成識別、攔截或脫敏。

目前模型權重和基準資料集都已在 Hugging Face 上公開。

它能做什麼

在混合計算架構裡，本地小模型負責看管私密檔案，雲端大模型負責複雜推理和聯網檢索。但要決定什麼內容可以出端，前提是本地必須先認出哪些文本是個人身份資訊（PII）。

現實對話往往很長，同一個名字、郵箱或賬號會在幾輪對話裡反覆出現。傳統檢測器通常按單條記錄處理，只要漏掉其中一次提及，隱私就漏出去了。

PII-Tracer 專為長輪次、多語言對話設計。它支援 13 種語言和 10 種書寫系統，能對 9 種個人隱私資訊進行字元級別的精確定位。無論是純文本，還是混雜了程式碼和表格的複雜內容，它都能在本地保持持續追蹤。

0.6B 模型是怎麼做到的

PII-Tracer 沒有直接拿大模型套殼，而是基於 Qwen3 骨幹網路改造了一個雙向編碼器。做隱私抽取不是寫文章，不需要自迴歸生成，因此它移除了因果掩碼，換成支援填補感知的雙向注意力機制，在 4096 token 的上下文窗口裡讓前後文相互參考。

模型每個 token 輸出 1024 維表徵，後接一個包含 37 個類別的 BIOES 線性標註頭，覆蓋 9 類隱私的起止位置。同時，它還帶有一個輔助分類頭，用來直接預測整段對話是否涉及健康、宗教等敏感話題。

在推理階段，PII-Tracer 沒有逐字硬猜，而是採用受約束的維特比解碼，強制保證實體標籤的語法結構合法，最後直接映射回精確的字元起止區間。

評測表現與測試資料

在配套釋出的 PII-TRACE 基準測試中，官方評估了 12 個系統。PII-Tracer 拿下了 0.629 的最高字元級 F1 分數，優於所有開源競品，綜合表現逼近數百億乃至上萬億引數的雲端前沿模型。

在反覆出現的隱私資訊測試中，它的優勢尤為明顯。當一個識別符號出現 6 到 10 次時，PII-Tracer 的全檢出率仍有 0.691，而 GPT-5.6-sol 降到了 0.464，GLiNER2-PII 和 Claude Opus 4.8 則分別跌至 0.073 和 0.045。

資料表現說明，傳統的單條檢測規則在真實連續對話裡極易丟三落四，而針對長文本最佳化的雙向小模型反而抓得更穩。

為什麼重要

對於正在構建本地 Agent 或混合推理架構的開發者來說，PII-Tracer 提供了一個低成本、低延遲的現成隱私過濾器。0.6B 的體量幾乎可以無感跑在任何現代個人電腦上，省去了用昂貴雲端 API 先做一道資料清洗的開銷。

我們認為，Perplexity 開源這一模型的聰明之處在於切中了端側智慧的關鍵痛點：大家都在喊端雲協同，但沒有可靠的本地守門機制，嚴肅企業和個人根本不敢把本地文件交給 Agent。不過需要提醒的是，0.629 的 F1 雖領跑小模型，但依然存在漏檢可能，直接用於高合規業務時，仍需配合人工確認或更嚴格的規則兜底。