ReCast：面向固定接口多模态推理的合约保持型保护框架

论文提出 ReCast，一个 agentic 插件框架，用于在向远程多模态模型发送图表与语音等私有输入时降低敏感内容暴露。它把本地输入改写为共享的文本证据-查询记录，用蒸馏 4B 模型重写实体与主题，并通过本地可逆、角色感知的数值映射替换数值，再由重建 agent 生成并校验所需媒体。在 4000 条 ChartQA 与 NMSQA 样例上，ReCast 准确率为 75.10%，保留无保护远程准确率的 92.43%，模型审计在 7.95% 发往求解器的请求中标记出源内容泄漏。

此前纯文本脱敏无法适配固定的图像或语音接口，身份匿名化又会让任务内容本身暴露。ReCast 的变化在于同时维持输入模态和任务相关关系，在不改动现有媒体接口的前提下调用远程推理，并在本地还原求解器返回程序中受保护的算子，从而在保住远程收益的同时压低源内容暴露。

ReCast 将本地输入转为共享的文本证据-查询记录，把实体、主题与数值分别处理：实体和主题由蒸馏 4B 模型联合重写，数值走本地可逆、角色感知的映射。重建 agent 依据受保护记录生成并校验远程所需的媒体，远程求解器返回的程序中的受保护算子再在本地还原后执行。这种设计让远程模型只接触被改写的内容，同时保留完成任务所需的关系结构。

对需要在图表或语音场景调用远程多模态模型的产品，ReCast 提供了一种可插入现有接口的隐私保护路径，研发上需要增加本地改写、媒体重建与算子还原环节，可能带来一定本地计算与延迟成本；同时 7.95% 的泄漏率说明该方案仍不足以完全替代人工审计或合规检查，适合作为降低暴露面的补充层而非唯一防线。

• 在图表问答或语音分析产品中集成本地改写与还原层，作为调用远程多模态模型的隐私前置步骤。
• 针对金融、医疗等敏感图表场景，提供可审计的请求泄漏标记，帮助团队定位高风险远程调用。
• 将 4B 蒸馏改写模型与可逆数值映射封装为独立插件，降低接入现有媒体接口的改造成本。

• ReCast 在 ChartQA 与 NMSQA 之外的图表和语音任务上是否保持同等准确率与泄漏控制水平。
• 7.95% 的源内容泄漏具体集中在哪些输入类型或改写环节，论文未给出细分。
• 本地改写、媒体重建与算子还原带来的延迟和算力开销尚未量化。
• 该框架与现有身份匿名化方法组合使用是否进一步降低泄漏，证据未覆盖。