Derniers articles pour L'éthique dans la technologie

Comprendre des techniques pour contourner la sécurité des modèles linguistiques.

Explorer l'utilisation des filigranes pour s'attaquer aux problèmes de droits d'auteur dans les modèles de langage.

Un nouveau jeu de données synthétiques permet une détection précise des têtes et de la modélisation 3D.

Une étude détaillée sur comment les modèles mémorisent du texte et ses implications.

Une analyse de comment les sondages impactent la recherche en IA, les valeurs et l'engagement du public.

Ce projet vise à identifier et réduire les biais dans les modèles linguistiques à travers les langues européennes.

Une plongée profonde dans l'importance d'interpréter les modèles de traitement du langage naturel.

Examen des méthodes pour préparer des données dans l'entraînement des modèles.

Une nouvelle approche pour évaluer la fiabilité des méthodes qui expliquent la prise de décision de l'IA.

Examiner les problèmes de justice dans les algorithmes de détection d'anomalies pour les images faciales.

Explorer l'oubli machine et son rôle dans l'amélioration de la sécurité et de la vie privée de l'IA générative.

Explorer les biais humains et leur impact sur l'équité de l'IA.

De nouvelles méthodes détectent et réagissent à la mémorisation dans le contenu généré par l'IA.

Exploration des principes pour des relations éthiques entre les gens et leurs données.

De nouvelles méthodes s'attaquent aux problèmes de copie dans les modèles de génération d'images.

Examiner les biais et l'équité dans les grands modèles de langage.

Explorer le rôle et les défis des LLM dans l'ingénierie des connaissances.

Une étude révèle des lacunes dans la représentation des utilisateurs marginalisés de Stable Diffusion.

Un nouveau modèle pour un échange de visages réaliste en utilisant des techniques avancées.

Un aperçu des risques et des méthodes liés à la sécurité des modèles de langage.

Un aperçu des biais et de l'équité dans la technologie de vision par ordinateur.

Les grands modèles linguistiques montrent une vulnérabilité accrue aux comportements de données nuisibles.

Des méthodes innovantes pour améliorer l'équité dans les grands modèles de langage.

Examen des risques du jailbreak à multiples essais dans les modèles de langue italiens.

Les attaques par mélange révèlent des vulnérabilités dans les évaluations de l'équité de l'IA en utilisant des méthodes comme SHAP.

Cet article examine comment différents contextes influencent les résultats des tests d'équité en IA.

Découvre les dernières avancées des modèles de texte à image et leur impact.

Présentation de BMFT : une méthode pour améliorer l'équité en apprentissage automatique sans les données d'entraînement originales.

SAGE-RT crée des données synthétiques pour améliorer les évaluations de la sécurité des modèles linguistiques.

Une étude sur la détection des biais dans les modèles de traitement du langage naturel et ses implications.

Cette étude analyse les traits de personnalité d'un modèle de langue dans neuf langues.

MIA-Tuner vise à régler les problèmes de vie privée dans les données d'entraînement des LLM.

Cette étude examine comment les biais affectent les réponses des modèles de langage et propose des solutions.

Techniques pour protéger les images perso contre les abus des modèles génératifs.

Explorer comment les inputs externes influencent les réponses des grands modèles de langage.

REFINE-LM utilise l'apprentissage par renforcement pour réduire efficacement les biais dans les modèles de langage.

Une nouvelle méthode améliore le suivi des fuites de vie privée dans les grands modèles de langage.

Un regard critique sur l'impact de l'IA sur la science et la compréhension.

Comment le label de l'IA influence l'acceptation et la perception des utilisateurs dans les véhicules.

Examiner l'impact de l'IA générative sur les connaissances et les communautés marginalisées.