Martin Vechev

Datenverunreinigung in Sprachmodellen sorgt für ein richtiges Vertrauensproblem bei Bewertungen.

SafeCoder verbessert die Sicherheit von Code, der von Sprachmodellen erzeugt wird.

Die Effektivität und Schwachstellen von Wasserzeichen in KI-generierten Inhalten untersuchen.

Ein neuer Ansatz verbessert die Datenwiederherstellung und geht gleichzeitig auf Datenschutzbedenken im föderierten Lernen ein.

Forschung zeigt Schwachstellen im Ansatz des föderierten Lernens in Bezug auf den Datenschutz bei Texten.

Ein neuer Massstab zur Bewertung der Fairness in Methoden des Repräsentationslernens.

Die Gefahren von quantisierten Sprachmodellen und deren mögliche Missbrauch anschauen.

Forschung zeigt die Herausforderungen bei der Wasserzeichen-Erkennung in grossen Sprachmodellen.

Eine einheitliche Bibliothek verbessert die Fairness beim Vergleich von Trainingsmethoden für neuronale Netze.

Neue Methoden verbessern die Effizienz der Uncomputierung in komplexen Quantenprogrammen.

Eine Methode, um Sprachmodelle anzupassen und gleichzeitig Skillverlust zu minimieren.

Analyse von Schwachstellen in beliebten Code-Vervollständigungstools und deren Auswirkungen auf Entwickler.

Dieser Artikel behandelt ein neues Bewertungssystem, um Sprachmodelle gerechter zu bewerten.