Articoli più recenti per Etica dei Dati

Questo studio presenta un nuovo metodo per identificare le immagini chiave di addestramento nei visual generati dall'IA.

Esplorare tecniche per ridurre il bias nei modelli linguistici avanzati.

Un nuovo metodo affronta minacce nascoste nei modelli di linguaggio di grandi dimensioni.

Questo documento esplora l'equità e la stabilità nei modelli di machine learning influenzati dalle loro previsioni.

Questo articolo discute i metodi per migliorare l'allineamento dell'IA con varie culture.

Valutazione delle strategie per gestire le questioni di copyright nei modelli linguistici.

Questo workshop analizza gli stereotipi di genere nell'IA attraverso il filtro dei pregiudizi sociali.

Migliorare il modo in cui le macchine rispondono a domande visive attraverso il ragionamento strutturato.

Uno sguardo ai metodi per ridurre il bias nelle decisioni automatizzate usando il Fair Representation Learning.

Questo documento parla di metodi per ridurre il bias nei dataset di immagini e testo dell'IA.

FairPFN usa i trasformatori per promuovere l'equità nelle previsioni di machine learning.

Nuovo metodo esamina come i dati di addestramento influenzano i risultati dei modelli AI.

Nuovo indice mostra progressi nella trasparenza dei modelli AI tra gli sviluppatori.

Esaminando il ruolo dell'attribuzione del credito nel machine learning e le questioni legate al copyright.

Capire l'importanza di esaminare le spiegazioni del machine learning per la fiducia.

Il debiasing selettivo punta a migliorare l'equità nelle previsioni del machine learning.

Questo studio affronta il bias nei modelli di generazione di immagini migliorando l'inclusività.

Quest'articolo mostra come i VLM rispecchiano gli stereotipi di genere nei compiti del mondo reale.

La ricerca si concentra sul miglioramento della sicurezza nei modelli di linguaggio grandi attraverso tecniche di allineamento.

PointNCBW offre un modo affidabile per verificare la proprietà dei set di dati delle nuvole di punti.

Uno studio su come migliorare i metodi per valutare gli attacchi di inferenza di appartenenza nei modelli linguistici.

Esplora la necessità di un sistema di feedback aperto per migliorare le risposte dell'IA.

Un nuovo metodo per generare dati sintetici imparziali per le applicazioni di intelligenza artificiale.

Nuovi metodi migliorano il modo in cui i modelli di linguaggio dimenticano conoscenze indesiderate.

Introducendo spiegazioni alterfattuali per migliorare la trasparenza dei modelli AI.

Esaminando il trattamento dei lavoratori dei dati nell'IA e il suo impatto sulla giustizia.

Esaminando l'importanza dell'equità nei sistemi di intelligenza artificiale che influenzano le vite.

Un nuovo approccio per valutare i dati sottolinea la loro unicità per il machine learning.

Idee e consigli per creare dataset responsabili nell'apprendimento automatico.

Esaminare come i fattori sociali influenzano i risultati del machine learning nella sanità.

Esplorando le attuali lacune nelle pratiche di trasparenza dei dati nei sistemi di intelligenza artificiale.

Esaminare l'impatto dell'IA e dei sistemi di credito clinico sulla privacy e sui diritti dei pazienti.

Esplora l'ascesa e l'impatto dei modelli di fondazione nell'intelligenza artificiale.

Un framework per identificare e ridurre i pregiudizi nei dati visivi per i modelli di intelligenza artificiale.

Un nuovo framework punta a scoprire i pregiudizi negli scenari di gioco di ruolo dei modelli linguistici.

Un nuovo metodo punta a ridurre il bias nelle previsioni dei modelli linguistici.

I sviluppatori possono migliorare la privacy delle app analizzando meglio le recensioni degli utenti con tecniche avanzate.

Un nuovo approccio affronta efficacemente i bias nei modelli immagine-testo.

Un progetto mira a dare agli artisti il controllo sulle loro contribuzioni creative all'IA.

Scopri come i dati vocali emotivi stanno trasformando la tecnologia di verifica dell'identità vocale.