Últimos artículos para Ética de Datos

Un nuevo marco busca asegurar la equidad en las predicciones de GNN.

Examinando los desafíos de equidad en GNNs en medio de cambios en las distribuciones de datos.

Este artículo examina el sesgo geográfico en los LLM y sus impactos en la sociedad.

Este artículo explora el uso de la IA para predecir los lugares de crimen y sus implicaciones.

Este artículo investiga los sesgos de género y raciales en grandes modelos de lenguaje y visión.

Esta investigación se centra en reducir múltiples sesgos en los modelos de lenguaje al mismo tiempo.

Un estudio sobre cómo identificar y reducir el sesgo cognitivo en modelos de lenguaje grandes.

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

Una mirada a cómo los modelos pueden perpetuar sesgos y afectar la equidad.

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

Examinando métodos para evaluar la equidad en los algoritmos de apoyo a la decisión clínica.

Un conjunto de datos para evaluar sesgos sociales en modelos de lenguaje indios.

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

La investigación destaca la importancia de la equidad en las representaciones de lenguaje del aprendizaje automático.

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

Un nuevo modelo mejora la fusión y análisis de datos en el ámbito de la salud.

Este artículo presenta FairGI, un marco para la equidad en redes neuronales de grafos.

Un marco para evaluar la equidad en sistemas de recomendación influenciados por atributos de usuario.

Explorando cómo la ausencia puede ayudar a mejorar el diseño de algoritmos y promover la equidad.

Nueva evaluación mide la toxicidad en modelos de lenguaje grandes en varios idiomas.

Este artículo habla sobre la importancia de la equidad en las predicciones de aprendizaje automático.

Examinando la importancia de la valoración de datos para los modelos de lenguaje y sus implicaciones.

Este artículo habla sobre la importancia de las prácticas de datos para la equidad en el aprendizaje automático.

Un método práctico para mejorar la equidad en los algoritmos sin sacrificar la precisión.

Este artículo examina si los modelos de lenguaje tienen creencias y siguen normas de coherencia.

Destacando la necesidad de equidad en los conjuntos de datos de habla sobre salud mental.

Los conjuntos de datos justos son clave para modelos de machine learning sin sesgos.

Examinando los riesgos y las medidas de seguridad en el ajuste de modelos de lenguaje.

Este artículo investiga el sesgo de género en los modelos de lenguaje utilizados para la evaluación de la depresión.

Este estudio presenta un nuevo método para identificar imágenes clave de entrenamiento en visuales generados por IA.

Explorando técnicas para reducir el sesgo en modelos de lenguaje avanzados.

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

Este artículo explora la equidad y la estabilidad en los modelos de aprendizaje automático que se ven afectados por sus predicciones.

Este artículo discute métodos para mejorar la alineación de la IA con diversas culturas.

Evaluando estrategias para gestionar problemas de derechos de autor en modelos de lenguaje.

Este taller analiza los estereotipos de género en la IA a través de los sesgos sociales.

Mejorando cómo las máquinas responden a preguntas visuales a través del razonamiento estructurado.

Una mirada a métodos para reducir el sesgo en decisiones automatizadas usando Aprendizaje de Representación Justa.

Este documento habla sobre métodos para reducir el sesgo en los conjuntos de datos de imágenes y texto de IA.

FairPFN utiliza transformadores para promover la equidad en las predicciones de aprendizaje automático.