Chain-of-Sanitized-Thoughts：堵住大推理模型思维链中的PII泄漏

大型推理模型（LRM）通过生成显式思维链（CoT）推理来提升性能、可靠性和可解释性，但这种透明性带来了严重的隐私风险：即使最终答案经过清洗，中间推理过程也常常泄露个人身份信息（PII）。我们研究如何诱导隐私优先的推理，即模型在不暴露敏感信息的情况下进行推理，且采用可部署的干预手段而非事后删改。我们引入 PII-CoT-Bench，一个带有隐私感知 CoT 标注的监督数据集，以及一个覆盖现实与对抗性泄露场景的类别均衡评测基准。我们的结果揭示了一种依赖能力的趋势：最先进的模型从基于提示的干预中获益最多，而较弱的模型则需要微调才能实现有意义的泄露减少。在各类模型和类别上，两种方法都在效用几乎不退化的前提下大幅降低了 PII 暴露，表明可以在不牺牲性能的情况下实现隐私化推理。总体而言，我们证明隐私化的 CoT 推理可以在极小效用损失下实现，为构建隐私保护的推理系统提供了实用指导。