评估问题
与 Heinz College Jordan Usdan 教授合作的公民聆听试点，将原始输入私下保存，并发布通过隐私检查的摘录。公开合成样本展示 7/7 验证路径，同时保护社区消息。
Pablo Zavala · AI 安全评估 · 研究工程
Heard.now：可验证的公民倾听
与 Heinz College Jordan Usdan 教授合作的公民聆听试点，将原始输入私下保存，并发布通过隐私检查的摘录。公开合成样本展示 7/7 验证路径，同时保护社区消息。
合成公开样本通过 7/7 隐私与完整性检查
公开视觉材料使用合成文本，使社区消息保持私有。
角色: 产品和系统构建者，与 Jordan Usdan 教授合作。
如何检查这项工作
可检查证据
主要证据: 合成公开样本通过 7/7 隐私与完整性检查. 证据表面: 私有试点，合成公开工件.
声明边界
公开视觉材料使用合成文本，使社区消息保持私有。
案例研究
问题
与 Heinz College Jordan Usdan 教授合作的公民聆听试点，将原始输入私下保存，并发布通过隐私检查的摘录。公开合成样本展示 7/7 验证路径，同时保护社区消息。
背景
Pablo 与 Heinz College 的 Jordan Usdan 教授共同构建 Heard.now，作为早期公民聆听平台。
方法
Pablo 的角色: 产品和系统构建者，与 Jordan Usdan 教授合作。 隐私保护发布, 可审计性, 合成测试数据
结果
合成公开样本通过 7/7 隐私与完整性检查 分离原始输入存储与公开摘录
边界
公开视觉材料使用合成文本，使社区消息保持私有。
证据
私有试点，合成公开工件 主要证据位于材料区的链接中。
关键结果
- 分离原始输入存储与公开摘录
- 使用合成公开示例使社区消息保持私有
- 样本运行展示 7/7 验证路径
方法
- 隐私保护发布
- 可审计性
- 合成测试数据
- 公民倾听