据X平台用户God of Prompt转述哥伦比亚大学最新论文，GPT、Gemini、Qwen、Mistral、Cohere等大模型在内部表示上具有较高相似度（CKA相似度0.595–0.881），可通过单个仿射变换进行对齐以实现私有推理（来源：哥大论文，经X帖子报道）。据该贴文，HELIX系统以线性对齐加同态加密线性分类替代对整套Transformer逐层加密的方案，将通信量从每次查询25–281GB与20–60秒延迟，降至亚秒级、通信量小于1MB，并满足CKKS 128位安全。根据同一来源，HELIX在训练阶段用加密的客户端公开数据嵌入学习对齐映射；推理时客户端本地对齐并加密表示，服务端仅在密文上执行一次线性运算，模型权重与明文查询均不外泄。该研究还指出分词器兼容性强烈预测跨模型生成质量（相关系数r=0.898），且参数规模超4B且分词精确匹配率>0.7的模型，仅依靠线性变换即可在不同家族间生成连贯文本。行业影响：据上述结果，医疗、金融、法律等合规行业可显著降低私有LLM推理的带宽与延迟，实现可落地的隐私部署与成本优化。