Neuste Artikel für Ethik in der Technologie

Dieser Artikel untersucht, wie verschiedene Kontexte die Ergebnisse von Fairness-Tests in KI beeinflussen.

Entdecke die neuesten Entwicklungen bei Text-zu-Bild-Modellen und ihren Einfluss.

BMFT vorstellen: eine Methode, um Fairness im maschinellen Lernen zu verbessern, ohne die ursprünglichen Trainingsdaten.

SAGE-RT erstellt synthetische Daten, um die Sicherheitsbewertungen von Sprachmodellen zu verbessern.

Eine Studie zur Bias-Erkennung in NLP-Modellen und deren Auswirkungen.

Diese Studie analysiert die Persönlichkeitseigenschaften eines Sprachmodells in neun Sprachen.

MIA-Tuner will versuchen, die Datenschutzprobleme bei LLM-Trainingsdaten anzugehen.

Diese Studie untersucht, wie Vorurteile die Antworten von Sprachmodellen beeinflussen und schlägt Lösungen vor.

Techniken, um persönliche Bilder vor Missbrauch durch generative Modelle zu schützen.

Erforschen, wie externe Eingaben die Antworten von grossen Sprachmodellen beeinflussen.

REFINE-LM nutzt Verstärkungslernen, um Vorurteile in Sprachmodellen effektiv zu verringern.

Eine neue Methode verbessert das Tracking von Datenschutzverletzungen in grossen Sprachmodellen.

Ein kritischer Blick auf die Auswirkungen von KI auf Wissenschaft und Verständnis.

Wie das Labeling von KI die Nutzerakzeptanz und Wahrnehmung in Fahrzeugen beeinflusst.

Untersuchung der Auswirkungen von generativer KI auf Wissen und marginalisierte Gemeinschaften.

In diesem Artikel wird die Bewertung von Geschlechtervorurteilen in der Text-zu-Bild-Generierung behandelt.

Ein Blick darauf, wie man Vorurteile in KI-generierten Bildern reduzieren kann.

Ein Überblick über die Fortschritte in der Sprechererkennung durch die VoxCeleb Challenge.

Entdecke, wie Vorurteile in ML die Ergebnisse der öffentlichen Gesundheit und die Fairness beeinflussen.

Neue Methoden für faire Entscheidungen in maschinellen Lernsystemen erforschen.

Überprüfung von Vorurteilen in Modellen zur Erkennung von Ausreissern, um Fairness zu fördern.

Die Kombination von KI und menschlichen Anmerkungen verbessert die Datengenauigkeit und Effizienz in der Forschung.

ToxDet schlägt eine neue Methode vor, um schädliche Ausgaben in Sprachmodellen zu identifizieren.

Untersuchen, wie AUPs die Landschaft der Basis-Modelle gestalten.

Es werden innovative Methoden entwickelt, um DeepFakes effektiv zu erkennen und zu bekämpfen.

Einführung in die faire Identifikation des besten Arms mit Fairness-Constraints bei Entscheidungsfindung.

Die Wirksamkeit von Blendfake-Daten bei Methoden zur Erkennung von Deepfakes erkunden.

Wie KI die Softwareentwicklung verbessern kann, anstatt sie zu ersetzen.

Dieser Artikel untersucht, wie die Kombination aus echten und synthetischen Bildern die Genauigkeit und Fairness bei der Gesichtserkennung verbessert.

Diese Studie bewertet die Fähigkeit von ChatGPT, demografische und Einstellungsdaten zu simulieren.

Eine Ressource, um die Auswirkungen und Trends von politischen Deepfakes zu studieren.

Dieser Artikel behandelt Methoden zur Reduzierung von Vorurteilen in Textsicherheitsklassifikatoren mithilfe von Ensemble-Modellen.

Eine neue Methode zielt darauf ab, Vorurteile in Machine-Learning-Modellen zu reduzieren, um mehr Fairness zu erreichen.

Diese Studie untersucht die Fairness von diffusionsbasierten Empfehlungssystemen im Vergleich zu traditionellen Modellen.

In diesem Artikel geht's um eingeschränkte Diffusionsmodelle und wie sie helfen, Bias zu reduzieren.

Eine neue Methode zur Vorhersage von Persönlichkeitsmerkmalen aus Online-Beiträgen mit gefilterten Daten.

Ein neuer Datensatz verbessert die mehrsprachige Sprachtechnologie in Indien.

Diese Studie untersucht, wie synthetische Daten Klassen- und Gruppenungleichgewichte angehen können.

Die Manipulationsrisiken von Einflussfunktionen im maschinellen Lernen aufdecken.

Entdecke einen neuen Weg, adaptive Programmiersprachen zu gestalten.