Neuste Artikel für Voreingenommenheit

Ein Modell vorstellen, um die Sicherheit bei der Sprachgenerierung zu verbessern und Risiken zu reduzieren.

Die Rolle von Ethik in der Übersetzungstechnologie erkunden.

Die Untersuchung von Vorurteilen in der Bildgenerierung und ihren gesellschaftlichen Auswirkungen.

Eine Studie über die Nutzung des MGS-Datensatzes zur Identifizierung von von KI erzeugten Stereotypen.

Neue Methoden verbessern die Modellierung und Vorhersagen in der Statistik mit Hilfe von Kernel-Ridge-Regression.

Dieses Papier bespricht, wie Sprachmodelle durch Interaktion lernen und sich weiterentwickeln.

Dieser Artikel untersucht, wie Sprachmodelle mit Pronomen umgehen und welche Auswirkungen das auf die Identität hat.

Eine Studie, die sich mit fairen und erklärbaren Modellen für Vorhersagen zur Behandlung von Substanzmissbrauch beschäftigt.

Neue Methoden bewerten, wie verschiedene Gruppen COVID-19 verbreiten, um bessere Strategien für die öffentliche Gesundheit zu entwickeln.

Ein Blick auf die Konkurrenz bei synthetischen Datensätzen für Gesichtserkennungstechnologie.

Datenreduktion verbessert die Effizienz des Modells und geht gleichzeitig potenziellen Bias-Problemen an den Kragen.

Eine Übersicht über Datensätze, die darauf abzielen, die Sicherheit von LLMs zu verbessern.

Vielfalt und Vorurteile in der Gesundheitsdatenforschung erkunden und deren Auswirkungen.

Untersuchen, wie die Ähnlichkeit und Vielfalt der Quelldaten die Vorhersagegenauigkeit beeinflussen.

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

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

Eine Studie, die die Sicherheitsleistung von beliebten Sprachmodellen vergleicht.

Forschung zeigt, wie wichtig Fairness in maschinellen Lern-Sprachdarstellungen ist.

Dieser Artikel untersucht, wie die Generierung von Abfragen die Abrufbarkeit von Dokumenten beeinflusst.

Forschung untersucht Vorurteile in türkischen Sprachmodellen und deren gesellschaftliche Auswirkungen.

Ein tiefer Einblick in die Herausforderungen bei der Schätzung von pandemiebedingten Todesfällen.

Eine Methode, um Bias in bestehenden Deep-Learning-Modellen mit minimalen Beispielen zu reduzieren.

Eine Studie untersucht, wie instrumentelle Variablen die Propensity-Score-Modelle in der Drogenforschung verfeinern können.

Ein neues Modell verbessert die Datenfusion und Analyse im Gesundheitswesen.

Ein Blick auf robuste Schätzmethoden in der Statistik.

Diese Studie untersucht Vorurteile in grossen Sprachmodellen, die im Gesundheitswesen verwendet werden.

Eine neue Methode, um Fairness bei Entscheidungen im maschinellen Lernen sicherzustellen.

Die Herausforderungen und Lösungen für Fairness bei algorithmischen Entscheidungen untersuchen.

Eine neue Methode zur Verbesserung der Gesichtsvielfalt in KI-Datensätzen vorstellen.

Lern, wie Kontextsteuerung die Antworten von Sprachmodellen durch anpassbare Kontextnutzung verbessert.

Dieser Artikel untersucht Vorurteile und Inkonsistenzen in den Bewertungen von LLMs und schlägt Verbesserungsvorschläge vor.

SGHateCheck konzentriert sich auf lokale Sprachen, um Online-Hassrede effektiv zu bekämpfen.

Ein Blick auf TianQins Bemühungen, Gravitationswellen zu erkennen und die Stabilität der Satelliten zu managen.

Die Notwendigkeit von Abrufsystemen erkunden, um die Perspektiven der Nutzer zu verstehen.

Dieser Artikel behandelt die Wichtigkeit von ethischen Praktiken im Umgang mit Datensätzen für maschinelles Lernen.

Forschung verbessert Methoden zum Extrahieren von Frequenzen aus verrauschten Signalen.

Diese Studie untersucht, wie Dialekte die Bildmerkmale in Generierungsmodellen beeinflussen.

Diese Studie bewertet Vorurteile in LLMs, die das Gesundheitswesen über demografische Gruppen hinweg beeinflussen.

Diese Studie untersucht Vorurteile in kontinuierlichen Lernmodellen für medizinische Bildgebung.

Untersuchen der Auswirkungen von Machine-Learning-Systemen auf menschliches Verhalten und Fairness.