Neuste Artikel für Demografisch

Studie zeigt, wie wichtig die Anfangsbedingungen im Konkurrenzkampf von Arten sind.

Diese Studie zeigt, wie demografische Merkmale die Wahrnehmung von Bewegungen industrieller Roboter beeinflussen.

Untersuchung der Vertretung verschiedener Hintergründe in SLP-Programmen in Kanada.

Eine Studie zeigt Leistungsunterschiede bei RIdV-Systemen in verschiedenen Bevölkerungsgruppen.

Forscher bringen das STOP-Dataset raus, um Bias in Sprachmodellen zu analysieren.

Diese Studie untersucht, wie LLMs Nutzer-Personas in Indien wahrnehmen und erstellen.

Diese Methode ermöglicht es Sprachmodellen, alternative Ergebnisse bei der Textgenerierung in Betracht zu ziehen.

Ein neues Datenset, um Sprachmodelle für businessbezogene Texte zu verbessern.

Untersuchung der Veränderungen im SAT-Mathematikbereich und deren Einfluss auf die Schülerbereitschaft.

Neue Daten zeigen COVID-19-Trends im UK während der Wintermonate.

Dieses Papier behandelt das Fehlen von Vertretungen bestimmter Gruppen in Daten.

Die Auswirkungen vergangener Werbekampagnen auf zukünftige Wählerentscheidungen analysieren.

Untersuchen, wie Vorurteile Sprachmodelle und deren Interpretation von beleidigender Sprache beeinflussen.

Ein Blick auf die Auswirkungen und Demografie von chronischen Überlappungsschmerzbedingungen.

Grosse Sprachmodelle spiegeln gesellschaftliche Vorurteile wider, die wichtige Entscheidungen beeinflussen.

Die Herausforderungen und Vorurteile von LLMs in Gesundheitsanwendungen untersuchen.

Verschiedene Modelle zeigen einzigartige Einblicke in die Erfolgsfaktoren von Studierenden.

Lern, wie Simulationen unser Wissen über genetische Veränderungen in Populationen voranbringen.

VariFace nutzt synthetische Daten, um die Fairness bei der Gesichtserkennung zu verbessern.

Forschung zeigt, wie Kontaktmuster die Ausbreitung von Krankheiten in den USA beeinflussen.

Vorurteile in der Deepfake-Erkennung durch innovative Methoden für Fairness angehen.

FairREAD verbessert die Fairness in der KI-Medizinbildgebung für alle Patienten.

Datenungleichgewicht im Gesundheitswesen kann zu unfairen Vorhersagen und Ungleichheiten in der Versorgung führen.