Lu Cheng

Un nouveau cadre s'attaque aux défis d'équité dans l'apprentissage automatique avec des échantillons de données limités.

Un nouveau modèle améliore la détection de stance en utilisant des données contrefactuelles et de l'apprentissage contrastif.

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

Examiner les défis et les méthodes pour atteindre l'équité dans l'apprentissage automatique.

La recherche explore la capacité des modèles linguistiques à analyser les interactions sur les réseaux sociaux et à s'attaquer au harcèlement.

Explorer comment l'IA peut évaluer la qualité du langage et les défis qui en découlent.

Examen des défis et des biais des LLM dans les applications de santé.