Derniers articles pour Sécurité dans la technologie

Des chercheurs développent de nouvelles méthodes pour entraîner des robots en toute sécurité dans des environnements risqués.

La recherche met en avant le rôle des neurones de sécurité dans l'amélioration de la sécurité et de la responsabilité des LLM.

Une nouvelle approche pour améliorer la sécurité des modèles en rejetant les prédictions.

La recherche sur les îles magnétiques améliore la stabilité du plasma et prévient les disruptions dans les tokamaks.

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

Une nouvelle méthode aide à identifier rapidement les points faibles des modèles d'apprentissage profond.

Des recherches montrent que les modèles de langage ont du mal avec le raisonnement faux, ce qui soulève des préoccupations en matière de sécurité.

La recherche se concentre sur la gestion des disruptions de plasma pour améliorer la sécurité des réacteurs à fusion.

CCL s'assure que les réseaux de neurones gardent leur précision tout en apprenant de nouvelles tâches.

Un outil pour analyser et améliorer les erreurs de reconnaissance d'image par ordinateur.

UNRealNet améliore la navigabilité des robots dans des terrains difficiles grâce à des techniques avancées.

InferAct améliore la sécurité de la prise de décision pour les agents IA dans différentes tâches.

Une nouvelle méthode améliore la sécurité et l’efficacité de la marche des robots.

Recherche sur la façon dont les robots interagissent ensemble dans des espaces partagés pour des interactions sécurisées.

Une nouvelle méthode pour améliorer la sécurité dans les systèmes critiques en utilisant des modèles de langage.

Cette étude analyse la performance des circuits de réseaux neuronaux et leur fiabilité.

Une nouvelle méthode améliore la compréhension des contraintes de sécurité en robotique.

Examiner comment les modèles de langage peuvent refuser de répondre pour une meilleure sécurité.

Cet article examine comment la quantification vectorielle influence la compréhension des décisions dans les systèmes d'apprentissage par renforcement.

Découvre comment la vérification des programmes garantit la fiabilité des logiciels dans des secteurs critiques.

Une nouvelle méthode renforce la résilience des agents RL face aux changements nuisibles d'input.

Amélioration de la détection des pannes et du diagnostic dans les réacteurs nucléaires grâce aux techniques d'apprentissage profond.

Cette méthode améliore la sécurité dans la génération d'images tout en gardant la qualité.

Un nouveau cadre améliore la sécurité des robots et leur efficacité dans des environnements imprévisibles.

Une nouvelle méthode améliore la sécurité dans la prise de décision des machines.

Une nouvelle approche pour améliorer la façon dont les robots comprennent et réagissent aux utilisateurs.

LEVIS aide à trouver des espaces d'entrée sûrs pour des résultats fiables des réseaux de neurones.

La transfert conscient améliore la sécurité et la performance dans les applications d'apprentissage par renforcement.

Une nouvelle méthode améliore la détection des prompts nuisibles dans les modèles de langage.

Ce travail se concentre sur l'explication de la prise de décision en IA en utilisant la recherche par arbre de Monte Carlo.

Présentation de CBF-LLM : une méthode pour une génération de texte plus sûre dans les LLM.

Une étude sur les faux refus dans les modèles de langage et leur impact sur l'expérience utilisateur.

Une nouvelle méthode combine l'apprentissage par renforcement et la sécurité pour améliorer les tâches des robots.

Un cadre pour s'assurer que les robots interagissent en toute sécurité et efficacement avec les humains.

Cet article parle des façons d'améliorer la sécurité en RL en utilisant des modèles de langage.

Une méthode pour évaluer les évaluations des agents IA en matière de sécurité et de fiabilité.

Une nouvelle méthode améliore la détection de données inattendues dans les modèles d'apprentissage automatique.

Le système RADER améliore l'apprentissage robotique grâce à des démonstrations sûres en réalité étendue.

Examiner comment les données d'entraînement influencent les résultats des modèles de langage et les mesures de sécurité.

Une nouvelle méthode d'entraînement améliore la sécurité et la performance des LLM.