Ruoxi Jia

Las empresas de IA deben apoyar la investigación independiente para sistemas más seguros.

Un enfoque nuevo para estimar cómo los datos de entrenamiento impactan las predicciones del modelo.

Este artículo revisa la solidez de CLIP en varios desafíos.

Un enfoque novedoso para mejorar los métodos de moderación de modelos de lenguaje grandes.

Este método mejora el ajuste fino del modelo de lenguaje usando conjuntos de datos abiertos y sin etiquetar.

Nuevos métodos refuerzan las marcas de agua contra las amenazas modernas de edición de imágenes.

Un nuevo marco aborda los conflictos de equidad en el aprendizaje automático de manera efectiva.

Un nuevo método aborda las amenazas ocultas en los modelos de lenguaje grandes.

Una mirada a las categorías de riesgo de IA y la necesidad de políticas unificadas.

Un nuevo estándar busca evaluar de manera efectiva los riesgos de seguridad de la IA.

AutoScale mejora la mezcla de datos para un entrenamiento eficiente de grandes modelos de lenguaje.

Entender el valor de los datos es clave para el éxito de un negocio.

Revolucionando el entrenamiento de robots con un enfoque en instrucciones basadas en lenguaje.

Descubre cómo el des-aprendizaje automático mejora la seguridad de la IA y la calidad de imagen.