Perplexity Secure Intelligence Institute presentó PII-TRACE, un benchmark para evaluar detectores de información de identificación personal (PII), y PII-Tracer, un modelo de 0,6 mil millones de parámetros que se ejecuta en el dispositivo. Su función es identificar contenido sensible antes de enviarlo a modelos en la nube.
Admin
PII-Tracer lidera la detección de identificadores recurrentes
PII-TRACE reúne 13.148 conversaciones sintéticas en 13 idiomas y 10 sistemas de escritura, con 37.431 menciones etiquetadas en nueve tipos de PII. El benchmark evalúa si el detector encuentra todas las apariciones de un identificador en diálogos que pueden superar los 100.000 caracteres y combinar prosa, código, tablas o registros estructurados.
PII-Tracer adapta un codificador bidireccional basado en Qwen3 y procesa ventanas de 4.096 tokens. Fue entrenado durante tres épocas con cerca de 714.000 muestras y entrega los intervalos de caracteres que una aplicación puede ocultar, mantener en el equipo o someter a autorización antes de transferirlos a la nube.
Admin
Entre 12 sistemas evaluados, el modelo obtuvo el mayor F1 por carácter, con 0,629, y quedó segundo en F1 por superposición y contención de tramos. También detectó todas las apariciones del 79,4% de los identificadores recurrentes y del 77,6% de aquellos que cruzaban varios turnos, frente al 57,0% y el 55,1% de GPT-5.6-sol.
La recuperación bajó de 0,975 en conversaciones de menos de 1.000 caracteres a 0,687 en aquellas de 10.000 o más cuando se utilizó una sola ventana. Con ventanas deslizantes superpuestas en un 50%, la recuperación general subió de 0,830 a 0,965 y la detección consistente de identificadores repetidos pasó de 0,794 a 0,954, sin volver a entrenar el modelo.
Perplexity planea publicar próximamente PII-TRACE y PII-Tracer.
