Neuste Artikel für Einstellungen

Wie die Auswahl der Trainingsdaten die Vorhersagen von Protein-Sprachmodellen beeinflusst.

Faire Wege finden, um unteilbare Güter unter Leuten zu teilen.

Ein Überblick über das Zusammenbringen von Käufern und Verkäufern unter unsicheren Bedingungen.

Ein neuer Ansatz zur Rangordnung von Daten unter Verwendung von Bayesianischen Modellen, um ähnliche Elemente zu gruppieren.

Eine neue Methode verbessert die Reaktion von KI auf sich entwickelnde menschliche Vorlieben.

Eine Methode, um Energiekonzepte mit den Bedürfnissen der Stakeholder durch menschliche Eingaben in Einklang zu bringen.

Diese Studie untersucht, wie Vorlieben die Zusammenarbeit in Mensch-Maschine-Interaktionen formen.

RevGNN verbessert den Prozess der Empfehlungsfindung für akademische Gutachter mit fortschrittlichen Datentechniken.

Erschliessen, wie Komplexitätsaversion unsere Entscheidungen in unsicheren Situationen beeinflusst.

Erforschen, wie Zufall die Fairness bei der Ressourcenverteilung verbessern kann.

Untersuchung von Spielerpräferenzen und Nash-Gleichgewichten in wettbewerbsorientierten Einstellungen.

Eine neue Methode bringt die Bedürfnisse der Nutzer in den KI-Antworten in Einklang.

Ein neuer Ansatz, um zu verbessern, wie Roboter Benutzer verstehen und darauf reagieren.

Ein Blick auf die Vor- und Nachteile der Sommerzeit.

Ein strukturierter Ansatz, um Flüchtlingsfamilien geeignete Rückführungsorte zuzuweisen.

Neurale Netze nutzen, um Entscheidungen in präferenzbasierten Kontexten zu verbessern.

Ein neuer Ansatz verbessert das Training von Sprachmodellen durch ein besseres Verständnis menschlicher Werte.

Ein neuer Ansatz, um Richtlinien zu erstellen, die auf verschiedene Vorlieben eingehen.

Diese Studie untersucht, wie man die Wahlen von Komitees mit Rangpräferenzen und minimalen Entfernungsinformationen verbessern kann.

Ein neuer Ansatz zur Verbesserung von Empfehlungssystemen durch das Verständnis von Nutzerentscheidungen.

Ranking-Aggregation hilft, Präferenzen zu kombinieren, um bessere Entscheidungen in verschiedenen Bereichen zu treffen.

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

Die Balance zwischen Einkommensschutz und Fairness in der Einkommensverteilung untersuchen.

Algorithmen kämpfen mit Vorurteilen und Verzögerungen im Nutzer-Feedback.

Ein Blick darauf, wie Überzeugungen und Risiken die Entscheidungsfindung beeinflussen.

Dieses Papier bespricht die Fairness bei der Auswahl von Kandidaten für Institutionen trotz voreingenommener Bewertungen.

Verbesserungen der Übersetzungsqualität durch präferenzbasierte Methoden und Metriken erkunden.

Wenn Roboter besser erklären, was sie tun, verbessert das die Beziehungen zwischen Menschen und Robotern.

Beschleunigte aufgeschobene Annahme verbessert die Effizienz in Matching-Märkten, reduziert Vorschläge und beschleunigt den Prozess.

Eine Methode, um die Vorlieben der Nutzer für die Anpassung von Machine-Learning-Ergebnissen zu verstehen.

Ein Blick auf die Komplexität, Leute basierend auf ihren Vorlieben zusammenzubringen.

Ein neuer Ansatz hilft Sprachmodellen, menschliche Entscheidungen besser zu verstehen.

Lerne, wie AHP deinen Entscheidungsprozess einfacher machen kann.

SEE-DPO verbessert die Bilderzeugung, indem es Modelle mit menschlichen Vorlieben in Einklang bringt.

Gemeinsame Grundlagen für KI-Entscheidungen unter verschiedenen menschlichen Werten finden.

Dieser Artikel untersucht, wie Selbstkenntnis soziale Vorlieben und Entscheidungsfindung beeinflusst.

Ein Blick darauf, wie Agenten in Entscheidungsszenarien zusammenarbeiten und sich anpassen.

Ein Leitfaden für faire Ressourcenverteilung in diversen Gruppen.

Eine neue Methode namens AVA verbessert die Ausrichtung in Sprachmodellen für sicherere Ergebnisse.

Dieses Papier untersucht die Komplexität, Krankenhäuser fair mit Bewohnern zu paaren.