Derniers articles pour Éthique des données

Un nouveau cadre vise à garantir l'équité dans les prédictions des GNN.

Examen des défis d'équité dans les GNNs face à des distributions de données en changeant.

Cet article examine le biais géographique dans les LLM et ses impacts sur la société.

Cet article explore l'utilisation de l'IA pour prédire les lieux de crimes et ses implications.

Cet article examine les biais de genre et de race dans les grands modèles de vision-langage.

Cette recherche se concentre sur la réduction de plusieurs biais dans les modèles de langage en même temps.

Une étude sur l'identification et la réduction des biais cognitifs dans les grands modèles de langage.

Une étude sur l'avis des étudiants concernant l'équité et l'éthique dans le MMLA.

Un aperçu de comment les modèles peuvent perpétuer des biais et impacter l'équité.

Une nouvelle méthode pour une collecte de données équitable dans la modélisation prédictive.

Examen des méthodes pour évaluer l'équité dans les algorithmes de soutien à la décision clinique.

Un ensemble de données pour évaluer les biais sociaux dans les modèles linguistiques indiens.

Cet article parle de l'équité robuste et précise dans l'apprentissage profond et de ses effets.

La recherche met en avant l'importance de l'équité dans les représentations linguistiques en apprentissage automatique.

Explorer des méthodes pour atteindre l'équité dans les systèmes de classification sans sacrifier la performance.

Un nouveau modèle améliore la fusion et l'analyse des données dans le secteur de la santé.

Ce papier présente FairGI, un cadre pour l'équité dans les réseaux de neurones graphiques.

Un cadre pour évaluer l'équité dans les systèmes de recommandation influencés par les attributs des utilisateurs.

Explorer comment l'absence peut aider à mieux concevoir des algorithmes et promouvoir l'équité.

Une nouvelle référence évalue la toxicité dans les grands modèles de langage à travers différentes langues.

Cet article parle de l'importance de l'équité dans les prédictions des machines.

Examiner l'importance de l'évaluation des données pour les modèles de langue et ses implications.

Cet article parle de l'importance des pratiques de données pour assurer l'équité dans l'apprentissage automatique.

Une méthode pratique pour améliorer l'équité des algorithmes sans sacrifier la précision.

Cet article examine si les modèles de langage ont des croyances et suivent des normes de cohérence.

Mettre en avant le besoin d'équité dans les jeux de données de discours sur la santé mentale.

Des jeux de données équitables sont super importants pour des modèles d'apprentissage automatique sans biais.

Examiner les risques et les mesures de sécurité dans le réglage des modèles de langue.

Cet article examine le biais de genre dans les modèles de langage utilisés pour l'évaluation de la dépression.

Cette étude présente une nouvelle méthode pour identifier les images d'entraînement clés dans les visuels générés par l'IA.

Explorer des techniques pour réduire les biais dans les modèles de langage avancés.

Une nouvelle méthode s'attaque aux menaces cachées dans les grands modèles de langage.

Ce papier explore l'équité et la stabilité dans les modèles d'apprentissage automatique affectés par leurs prédictions.

Cet article aborde des méthodes pour améliorer l'alignement de l'IA avec diverses cultures.

Évaluation des stratégies pour gérer les problèmes de droit d'auteur dans les modèles de langue.

Cet atelier analyse les stéréotypes de genre dans l'IA à travers le prisme des biais sociétaux.

Améliorer la façon dont les machines répondent aux questions visuelles grâce à un raisonnement structuré.

Un aperçu des méthodes pour réduire le biais dans les décisions automatisées en utilisant l'apprentissage de représentation équitable.

Ce papier parle des méthodes pour réduire les biais dans les jeux de données d'images et de textes en IA.

FairPFN utilise des transformers pour favoriser l'équité dans les prédictions d'apprentissage automatique.