Últimos artículos para Justicia

Discutiendo sobre la privacidad y la equidad en el aprendizaje automático a través de la privacidad diferencial y el riesgo del peor grupo.

Un estudio sobre las opiniones de los estudiantes acerca de la equidad y la ética en MMLA.

Un análisis de las discusiones sobre la equidad entre ingenieros de software en Stack Exchange.

Una mirada a cómo la equidad afecta la coincidencia de trabajos y oportunidades.

Abordando los desafíos en el aprendizaje federado debido a la diversidad de dispositivos y datos.

Un vistazo a equilibrar la justicia y la precisión en la toma de decisiones de la IA.

Un marco para evaluar sesgos en las recomendaciones generadas por modelos de lenguaje grandes.

Abordando la equidad en el aprendizaje automático para mejores resultados estadísticos.

Explorando los principios y la importancia del uso ético de la IA.

Un marco para evaluar cómo las soluciones de IA afectan la equidad en la salud en el cuidado de la salud.

Un nuevo método para la recolección justa de datos en modelado predictivo.

Una mirada a cómo la satisfacibilidad, la cobertura y la equidad se cruzan en la optimización.

Explorando la necesidad de especificaciones claras de IA para abordar el sesgo y la transparencia.

Explorando el equilibrio entre la compresión de modelos y la confiabilidad en la IA.

Explorando las características clave y los desafíos de desarrollar sistemas de IA confiables.

Un nuevo método integra restricciones en circuitos probabilísticos para mejores predicciones.

Examinando el papel de la comunicación en las decisiones de equidad dentro de los sistemas de IA.

Descubre cómo los algoritmos distribuidos agilizan la asignación de recursos entre agentes.

Un método para aproximar los compromisos entre equidad y precisión en modelos de aprendizaje automático.

Un nuevo método mejora la equidad en la gestión del tráfico de la red usando datos de RTT.

Un método de múltiples objetivos para maximizar la influencia mientras se consideran varios factores.

Explora las reglas de unanimidad secuencial y su papel en la toma de decisiones.

THEMIS mejora la equidad y eficiencia en la programación de recursos FPGA para múltiples inquilinos.

Este artículo habla sobre la equidad robusta y precisa en el aprendizaje profundo y sus efectos.

Un estudio que se centra en modelos justos y explicables para predecir tratamientos de trastornos por uso de sustancias.

Examinando métodos para mejorar el reconocimiento facial en diferentes demografías.

Nuevos algoritmos aseguran justicia y diversidad en la selección de datos.

Un nuevo método mejora la equidad en la toma de decisiones de IA sin cambiar los modelos existentes.

La eliminación de datos mejora la eficiencia del modelo mientras se abordan problemas de sesgo potenciales.

El Aprendizaje Adaptativo de Representación Justa ofrece recomendaciones justas y precisas adaptadas a las necesidades individuales de cada usuario.

Los investigadores buscan generar datos sintéticos equilibrados para prevenir sesgos en el aprendizaje automático.

Introducir aleatoriedad puede mejorar la equidad en las decisiones de distribución de recursos.

Un nuevo método busca mejorar la equidad en el aprendizaje automático sin sacrificar el rendimiento.

Una guía de métricas para evaluar el rendimiento de LLM en diferentes campos.

Una nueva herramienta ofrece definiciones flexibles de justicia para el análisis de aprendizaje automático.

Explorando métodos para lograr equidad en sistemas de clasificación sin sacrificar rendimiento.

Un método que promueve la equidad entre los agentes que compiten por recursos limitados.

Un nuevo método para asegurar la equidad en los sistemas de IA usando datos históricos.

Explorando un nuevo método para la asignación equitativa de recursos usando principios de karma.

Un nuevo marco mejora la evaluación de algoritmos de aprendizaje federado en diversas aplicaciones.