Francesca Toni

PROPLACE améliore la fiabilité des explications contrefactuelles en apprentissage automatique.

Les explications contrefactuelles donnent des idées sur les décisions algorithmiques mais ont besoin de fiabilité.

Explorer la signification de l'intention dans les systèmes d'intelligence artificielle.

Explorer l'importance d'un raisonnement compréhensible dans les prédictions d'IA.

De nouvelles stratégies améliorent le raisonnement dans des cadres d'arguments complexes pour les applications d'IA.

Une nouvelle méthode garantit la validité des explications contrefactuelles malgré les changements de modèle.

Cet article présente une nouvelle méthode pour améliorer le raisonnement dans les modèles de langage.

De nouveaux modèles améliorent la précision des prévisions d'utilisation des terres urbaines et améliorent la planification.

PB-AA-CBR fusionne les préférences des utilisateurs avec le raisonnement basé sur les cas pour une prise de décision personnalisée.

Examiner comment les styles d'explication influencent la compréhension et la confiance des utilisateurs dans les outils d'IA.

PeerArg améliore la transparence et la fiabilité du processus d'évaluation par les pairs.