Neuste Artikel für Gerechtigkeit

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.

Die Rolle der Randomisierung bei der Schaffung fairer Machine-Learning-Systeme untersuchen.

Die Vorteile von Regelwerken für ethisches prädiktives Modellieren erkunden.

Ein neuer Ansatz zur Messung von Fairness bei Hochschulzulassungen und Kreditbewertungen.

Dieser Artikel diskutiert die Messung von Fairness in Empfehlungssystemen und schlägt Sampling-Methoden vor.

Die Vorhersagegenauigkeit in verschiedenen Gemeinden analysieren, um eine gerechte Verteilung von Gesundheitsressourcen zu gewährleisten.

Forschung zeigt, wie Demografie die Ansichten über Fairness in der KI-Inhaltsmoderation beeinflusst.

Dieses Papier bespricht Methoden, um Fairness in KI durch selbstüberwachtes Lernen zu gewährleisten.

Ein neues Framework geht fairen Konflikten im maschinellen Lernen effektiv an.

Das Testen von LLMs ist wichtig für sichere und effektive KI-Anwendungen.