arXiv 於 2026 年 10 月 14 日收錄了由 Taehwan Lee 提交的論文《ReCoPII: A Relation-Grounded Framework for Building Contextual PII Masking Datasets》（ReCoPII：一個基於關係的上下文個人身份資訊掩蔽資料集構建框架），該論文屬於計算與語言（cs.CL）以及人工智慧（cs.AI）交叉領域。論文的核心問題是：訓練上下文感知的個人身份資訊（PII）掩蔽系統時，需要大量能夠區分同一實體型別中哪些提及應當掩蔽、哪些可以保留的樣本，但隱私法規嚴格限制了對真實資料的訪問。現有的一種作者增強方法（SPY）將作者之外的提及一律標記為非 PII，其前提是資料集中只有一個資料主體，因而忽略了其他主體，存在明顯的侷限性。
針對上述問題，作者提出了 ReCoPII 框架，不再依賴單一資料主體的假設。該框架透過一系列自動化步驟構建上下文 PII 掩蔽資料：首先規劃受本體約束的實體關係；然後編寫帶有佔位符的插入句子；接著用程式碼重構標註；之後由另一個獨立的大語言模型檢查結果；最後根據實體關係推匯出 MASK（掩蔽）或 KEEP（保留）標籤。透過這一流程，研究者在來自六個領域的韓語文件上構建了 ReCoPII-Ko 語料庫，該語料庫包含關係標註、隱私標註以及 MASK/KEEP 標註，並對其進行了驗證。
驗證結果顯示，在 300 對樣本上，四名標註人員對 ReCoPII-Ko 中抽樣 KEEP 標籤的同意率達到 88.42%，而同一來源上採用 SPY 風格增強的同意率僅為 26.27%，差距顯著。此外，在匹配測試集上，使用 ReCoPII-Ko 訓練的上下文掩蔽分類器相比 SPY 參考方法，過度掩蔽現象更少。實驗還表明，將上下文掩蔽與 PII 檢測器聯合微調，可以在固定的洩漏預算內消除單獨使用檢測器時的大部分過度掩蔽。在人工驗證的實體記錄上，滿足該洩漏預算的四個檢測器最多僅過度掩蔽 5.04%，洩漏率不超過 4.18%。其中，一個檢測器在 KDPII 資料集上的表現與 XLM-R-large 相當，而引數量僅為其約四分之一。
論文還詳細記錄了提交歷史：該論文於 2026 年 10 月 14 日 09:48:32 UTC 提交，版本為 v1，檔案大小為 6,601 KB。論文提供了 PDF 和實驗性 HTML 版本，並附有 TeX 原始碼及許可證資訊。arXiv 頁面還提供了音訊摘要、參考文獻與引用工具（如 SciX、Google Scholar、Semantic Scholar）、程式碼與資料關聯工具（如 alphaXiv、CatalyzeX、DagsHub、Hugging Face）以及多種推薦工具。此外，arXivLabs 是 arXiv 與合作伙伴共同開發新功能的實驗平臺，參與者需遵守開放、社群、卓越和使用者資料隱私等價值觀。