Neuste Artikel für Gerechtigkeit

Die Einführung von Zufälligkeit kann die Fairness bei Entscheidungen zur Ressourcenverteilung verbessern.

Eine neue Methode zielt darauf ab, die Fairness im Maschinenlernen zu verbessern, ohne die Leistung zu beeinträchtigen.

Ein Leitfaden zu Metriken zur Bewertung der Leistung von LLMs in verschiedenen Bereichen.

Ein neues Tool bietet flexible Definitionen von Fairness für die Analyse von maschinellem Lernen.

Methoden erkunden, um Fairness in Klassifikationssystemen zu erreichen, ohne die Leistung zu opfern.

Eine Methode, die Fairness zwischen Agenten fördert, die um begrenzte Ressourcen konkurrieren.

Eine neuartige Methode, um Fairness in KI-Systemen mit historischen Daten zu gewährleisten.

Eine neue Methode zur gerechten Ressourcenverteilung unter Verwendung von Karma-Prinzipien erkunden.

Ein neues Framework verbessert die Bewertung von föderierten Lernalgorithmen in verschiedenen Anwendungen.

Erfahre, wie das TREx-Framework die Empfehlungen beim Online-Shopping verbessert.

Medienorganisationen erstellen Richtlinien für den verantwortungsvollen Einsatz von KI im Journalismus.

Eine neue Methode kümmert sich um Datenschutz und Fairness in Regressionsmodellen mit innovativen Anpassungen.

Eine Methode, um die Fairness in Klassifizierungsmodellen für sensible Bereiche zu verbessern.

Diese Studie untersucht Vorurteile in kontinuierlichen Lernmodellen für medizinische Bildgebung.

Fairness in Reinforcement-Learning-Systemen für ethische Entscheidungen untersuchen.

Untersuchen, wie Technologie die psychische Gesundheit, Fairness und Vorurteile beeinflusst.

Neue Methode verbessert die Fairness bei COVID-19-Fallvorhersagen über Rassengruppen hinweg.

Dieser Artikel behandelt die Auswirkungen von LLMs auf die Fairness im E-Commerce.

KI-Profis teilen ihre Meinungen zu vertrauenswürdiger KI und ihren Herausforderungen.

Dieser Artikel spricht darüber, wie wichtig Fairness bei Vorhersagen von Maschinenlernen ist.

Funktionieren fortgeschrittene KI-Modelle mit menschlichen moralischen Werten?

Fairness in KI verbessern, indem man Fachexperten in die Datengenerierung einbezieht.

Eine Studie zur Verbesserung der Fairness bei der Aufgabenverteilung für Dienstleister und Aufgaben.

Ein neuer Ansatz verbessert die Leistung und Fairness im föderierten Lernen.

Untersuchung des Zusammenhangs zwischen lokaler differentieller Privatsphäre und Fairness in ML-Systemen.

Dieser Artikel spricht über die Bedeutung von Datenpraktiken für Fairness im maschinellen Lernen.

Dieser Artikel behandelt die Manipulationen und Schwächen von PD-Diagrammen in der KI-Gerechtigkeit.

Ein neuer Algorithmus verbessert die Überprüfung von neuronalen Netzwerken auf Zuverlässigkeit und Fairness.

Untersuchen der Auswirkungen von LoRA auf Fairness in verschiedenen Gruppen im maschinellen Lernen.

Diese Studie untersucht, wie gemeinsame Massnahmen Fairness und Relevanz in Empfehlungssystemen bewerten.

Ein neuer Ansatz verbessert die Fairness bei der Identifizierung von Hassrede in verschiedenen Gruppen.

Eine Untersuchung, wie Algorithmusentscheidungen Individuen bei wichtigen Entscheidungen beeinflussen.

Eine neue Methode verbessert die Effizienz und Fairness bei der Kommissionierung in Lagern mit Robotern.

Dieser Artikel behandelt die Bedeutung von Fairness in Austauschsystemen und schlägt einen neuen Ansatz vor.

Die wachsende Rolle von KI im Recruiting wirft Bedenken bezüglich Vorurteilen und Fairness auf.

Forschung zeigt, dass Vorurteile in Objekterkennungssystemen die Sicherheit bei autonomen Fahrzeugen beeinflussen.

Ein Blick auf stabile Partitionen und ihre Rolle bei der Zuordnung von Personen basierend auf Vorlieben.

Eine praktische Methode, um die Fairness in Algorithmen zu verbessern, ohne die Genauigkeit zu opfern.

Ein Framework, das Anomalien in Grafen erkennt und gleichzeitig faire Behandlung fördert.

Diese Forschung untersucht die Fairness von selbstüberwachten Lernmodellen über verschiedene demografische Gruppen hinweg.