Últimos artículos para Ética en la IA

Examinando cómo y por qué las organizaciones abandonan algoritmos perjudiciales.

Una inmersión profunda en las capacidades y limitaciones de ChatGPT en el procesamiento del lenguaje natural.

T-Explainer ofrece información confiable sobre las predicciones de modelos de aprendizaje automático.

La Optimización de Preferencias Suaves mejora cómo los modelos de lenguaje se alinean con las preferencias humanas.

Este artículo presenta un nuevo método para mejorar el razonamiento en los modelos de lenguaje.

Este estudio analiza la efectividad de los LLMs para evaluar explicaciones generadas por IA.

Este estudio examina el sesgo en modelos de Aprendizaje Continuo para imágenes médicas.

Examinando los riesgos y oportunidades de la tecnología de IA generativa de código abierto.

Un nuevo método mejora las respuestas de la IA al aprender de múltiples fuentes de retroalimentación.

MuDreamer mejora el aprendizaje del agente al centrarse en la predicción en lugar de la reconstrucción de imágenes.

Presentamos la Alineación a partir de Demostraciones para modelos de lenguaje seguros y efectivos.

Una visión general del campo en crecimiento de la generación de texto y sus implicaciones.

Un nuevo método combina modelos de IA débiles y fuertes para alinearse con los valores humanos.

Un estudio sobre cómo los modelos de lenguaje expresan y miden su confianza.

Explora cómo los modelos de lenguaje grandes mejoran la creatividad a través de la generación multimedia.

Una mirada a cómo los modelos de lenguaje pueden representar creencias y sus implicaciones.

Este artículo explora el papel de la IA en la creación de comedia y los desafíos que enfrentan los comediantes.

Explorando los beneficios de los conjuntos de reglas para la modelación predictiva ética.

Setokim mejora la fusión de la comprensión visual y textual a través de una tokenización innovadora.

Un método para evaluar la fiabilidad de los resultados de la IA en la salud y más allá.

Una mirada a los avances en modelos de lenguaje para idiomas índicos y sus desafíos.

Los investigadores desarrollan el conjunto de datos GECO y GECOBench para abordar el sesgo de género en la IA.

Explora los desafíos de supervisar modelos de IA avanzados con contrapartes más débiles.

Nuevas técnicas buscan corregir errores en los modelos de lenguaje sin necesidad de volver a entrenarlos por completo.

Un método para mejorar los modelos de lenguaje reduciendo los resultados no deseados durante el entrenamiento.

Examinando los cambios en los sesgos sociales en los modelos de lenguaje con el tiempo.

El método de extensión de contexto de Mamba mejora el manejo de secuencias largas sin necesidad de entrenamiento adicional.

Asegurando que las explicaciones de la IA sean claras y confiables para generar confianza en los usuarios.

La investigación destaca el papel de las neuronas de seguridad en mejorar la seguridad y la responsabilidad de los LLM.

Mejorando la interacción de los usuarios en grandes modelos de lenguaje y visión a través de una comunicación proactiva.

Examinando los obstáculos que enfrentan los LLM en la traducción de idiomas de bajo recurso.

Dysca presenta una nueva forma de evaluar el rendimiento de LVLM utilizando datos sintéticos.

Examinando los desafíos y las implicaciones de desaprender en modelos de IA.

Este artículo trata sobre cómo las personas pueden mejorar la creación de datos sintéticos para entrenar modelos.

Examinando la relación entre las técnicas de privacidad y los sesgos en los modelos de lenguaje.

Explorando cómo los datos sintéticos moldean los modelos de aprendizaje automático y su comportamiento.

Investigaciones recientes exploran las habilidades cognitivas de los modelos de lenguaje en comparación con los humanos.

Enfócate en IA accesible y explicable para personas con discapacidades.

Este estudio examina cómo los LLMs evalúan su propio conocimiento y el riesgo de cometer errores.

Mejorando la experiencia del usuario al combinar ergonomía cognitiva con modelos de lenguaje.