Derniers articles pour L'éthique dans la technologie

Examiner l'importance de la confidentialité à travers le désapprentissage de l'identité dans l'apprentissage automatique.

J-CHAT propose un grand jeu de données open-source pour améliorer les systèmes de dialogue parlé.

Une nouvelle méthode améliore la sécurité dans la génération d'images à partir de prompts textuels.

Une nouvelle méthode améliore la modélisation 3D des humains à partir de photos minimales.

La recherche propose un cadre pour réduire les biais dans les textes générés par l'IA.

Les ateliers améliorent la compréhension de l'IA responsable pour les pros du secteur.

Des recherches montrent comment des invites amicales peuvent tromper les systèmes d'IA.

Un ensemble de données solide pour entraîner des systèmes d'IA avancés basés sur le chat.

Un cadre pour intégrer les voix des minorités dans les processus d'annotation.

Découvrez comment le transfert de style de texte change le style tout en préservant le sens.

Une nouvelle méthode améliore l'alignement des modèles d'IA sans nécessiter de réentraînement.

PUFFLE propose une solution pour les défis de confidentialité, d'utilité et d'équité dans l'apprentissage automatique.

Nouveau modèle crée efficacement des représentations réalistes de têtes humaines en 3D.

Cet article parle de comment le raisonnement des LLM améliore les systèmes de recommandation et présente Rec-SAVER.

Une méthode pour réduire le biais dans les modèles de langage en les faisant oublier des infos nuisibles.

Combiner l'apprentissage automatique avec le raisonnement automatisé pour des explications AI plus claires.

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.