arXiv 于 2026 年 10 月 14 日收录了由 Taehwan Lee 提交的论文《ReCoPII: A Relation-Grounded Framework for Building Contextual PII Masking Datasets》（ReCoPII：一个基于关系的上下文个人身份信息掩蔽数据集构建框架），该论文属于计算与语言（cs.CL）以及人工智能（cs.AI）交叉领域。论文的核心问题是：训练上下文感知的个人身份信息（PII）掩蔽系统时，需要大量能够区分同一实体类型中哪些提及应当掩蔽、哪些可以保留的样本，但隐私法规严格限制了对真实数据的访问。现有的一种作者增强方法（SPY）将作者之外的提及一律标记为非 PII，其前提是数据集中只有一个数据主体，因而忽略了其他主体，存在明显的局限性。
针对上述问题，作者提出了 ReCoPII 框架，不再依赖单一数据主体的假设。该框架通过一系列自动化步骤构建上下文 PII 掩蔽数据：首先规划受本体约束的实体关系；然后编写带有占位符的插入句子；接着用代码重构标注；之后由另一个独立的大语言模型检查结果；最后根据实体关系推导出 MASK（掩蔽）或 KEEP（保留）标签。通过这一流程，研究者在来自六个领域的韩语文档上构建了 ReCoPII-Ko 语料库，该语料库包含关系标注、隐私标注以及 MASK/KEEP 标注，并对其进行了验证。
验证结果显示，在 300 对样本上，四名标注人员对 ReCoPII-Ko 中抽样 KEEP 标签的同意率达到 88.42%，而同一来源上采用 SPY 风格增强的同意率仅为 26.27%，差距显著。此外，在匹配测试集上，使用 ReCoPII-Ko 训练的上下文掩蔽分类器相比 SPY 参考方法，过度掩蔽现象更少。实验还表明，将上下文掩蔽与 PII 检测器联合微调，可以在固定的泄漏预算内消除单独使用检测器时的大部分过度掩蔽。在人工验证的实体记录上，满足该泄漏预算的四个检测器最多仅过度掩蔽 5.04%，泄漏率不超过 4.18%。其中，一个检测器在 KDPII 数据集上的表现与 XLM-R-large 相当，而参数量仅为其约四分之一。
论文还详细记录了提交历史：该论文于 2026 年 10 月 14 日 09:48:32 UTC 提交，版本为 v1，文件大小为 6,601 KB。论文提供了 PDF 和实验性 HTML 版本，并附有 TeX 源码及许可证信息。arXiv 页面还提供了音频摘要、参考文献与引用工具（如 SciX、Google Scholar、Semantic Scholar）、代码与数据关联工具（如 alphaXiv、CatalyzeX、DagsHub、Hugging Face）以及多种推荐工具。此外，arXivLabs 是 arXiv 与合作伙伴共同开发新功能的实验平台，参与者需遵守开放、社区、卓越和用户数据隐私等价值观。