Kun Zhang

Méthodes pour minimiser les biais dans les grands modèles de langage pour des résultats plus équitables.

Cet article présente une méthode pour tester l'indépendance dans les données catégorisées.

Une nouvelle approche pour garantir l'équité dans le diagnostic cognitif en utilisant des informations sensibles.

Examiner comment l'équité dans l'apprentissage automatique peut évoluer au fil des décisions et du temps.

Les chercheurs améliorent les GNN pour une meilleure compréhension des structures de graphes complexes.

Un nouveau cadre qui améliore la performance des MLP dans la classification de graphes en utilisant les connaissances des GNN.

Cette étude propose un cadre pour comprendre les concepts cachés dans des données complexes.

EQuAD améliore la performance des modèles sur des graphes avec des distributions de données qui changent.

Un modèle qui améliore les prédictions des problèmes de santé critiques pour une meilleure prise en charge des patients.

Une nouvelle méthode améliore la précision de la découverte causale en utilisant une sélection de noyaux automatisée.

Une étude sur l'identification des relations causales en présence de variables cachées et d'erreurs de mesure.

Cet article parle de l'apprentissage continu des relations causales sans perdre les connaissances précédentes.

Des études récentes montrent que la soustraction de photons peut améliorer la pureté des états gaussiens.

Une nouvelle approche pour comprendre les relations variables dans des environnements changeants.

Apprends les tactiques pour partager des infos pendant les négociations.

Une nouvelle méthode pour optimiser le réglage des hyperparamètres et gérer les coûts dans l'entraînement de l'IA.

Découvre comment la découverte causale nous aide à relier différents facteurs dans divers domaines.