Articoli più recenti per Etica della Tecnologia

Un modo per capire quanto ci affidiamo all'IA nel prendere decisioni.

Questo documento esamina le iniezioni di prompt e le loro implicazioni per i modelli di intelligenza artificiale.

Esaminando come i modelli di riassunto riflettono i pregiudizi nelle opinioni politiche.

Questo studio analizza come i LLM possono prevedere i possibili danni dell'IA.

Esaminando l'amplificazione del danno nei modelli da testo a immagine e il suo impatto sulla società.

Nuovo framework aiuta i modelli generativi a dimenticare dati sensibili mantenendo le prestazioni.

Questo studio esplora gli attacchi di jailbreak sui modelli di linguaggio multimodali di grandi dimensioni.

Investigando i rischi di sicurezza e i metodi di rilevamento per i modelli di diffusione.

Esaminando come il machine learning perpetui i pregiudizi di genere e i loro effetti emotivi.

Esaminando il rapporto tra le leggi sulla protezione dei dati e le pratiche di machine learning.

Esplorare metodi per proteggere i dati personali in un mondo guidato dalle informazioni.

Esplorare come l'attrito può migliorare l'esperienza utente nell'IA.

Un'analisi delle qualità e delle sfide delle spiegazioni dei modelli di linguaggio.

Esaminare i limiti dei LLM nell' capire e mantenere informazioni temporali.

Nuovi metodi di watermarking migliorano la varietà del testo e la rilevazione nei contenuti generati da macchine.

Un'analisi di come l'attenzione viene catturata e il suo impatto sulla società.

Quest'articolo analizza i pericoli del fine-tuning dannoso nei modelli di linguaggio.

Nuovi metodi mettono al sicuro i dati nell'IA mentre garantiscono calcoli efficaci.

Un metodo per rimuovere abilità indesiderate dai modelli linguistici mantenendo intatte le funzioni essenziali.

Un nuovo standard punta a misurare e ridurre i pericoli legati all'IA.

Un framework per valutare i bias nelle raccomandazioni generate da modelli di linguaggio di grandi dimensioni.

Metodi per ridurre il bias nei modelli di linguaggio grandi per risultati più equi.

Questo documento analizza il bias di genere nei grandi modelli linguistici e propone metodi di misurazione.

Valutare come i pregiudizi nei modelli di linguaggio influenzano le applicazioni nel mondo reale.

Un nuovo modello crea immagini realistici a partire da caratteristiche dell'identità usando il machine learning.

Esplorare le caratteristiche chiave e le sfide nello sviluppo di sistemi AI affidabili.

Uno studio sulle tecniche usate per bypassare le misure di sicurezza nei modelli di linguaggio AI.

Uno studio che misura il bias politico nei modelli di linguaggio grandi attraverso la posizione e il framing.

Uno sguardo più da vicino ai circuiti di caratteristiche sparse nei modelli linguistici e le loro implicazioni.

Esplorare l'importanza di un ragionamento comprensibile nelle previsioni dell'IA.

Un framework per migliorare la sicurezza e l'affidabilità dei grandi modelli linguistici.

Esplorare il ruolo dell'etica nella tecnologia di traduzione linguistica.

Esaminando come il machine unlearning possa rivelare dati sensibili.

L'ALERT benchmark valuta i rischi per la sicurezza nei modelli linguistici per migliorare le loro risposte.

Un nuovo strumento per rendere le immagini più sicure e responsabili.

La ricerca studia i pregiudizi nei modelli linguistiche turchi e i loro impatti sulla società.

Scopri come il Contesto Direzionale migliora le risposte del modello linguistico grazie a un uso del contesto adattabile.

Ricerche recenti mettono in discussione la semplicità della Teoria del Neurone della Conoscenza nei modelli di linguaggio.

La ricerca affronta le preoccupazioni sulla privacy nei modelli di linguaggio attraverso metodi innovativi di disapprendimento.

La ricerca mostra un pregiudizio negli strumenti di intelligenza artificiale usati per le assunzioni basato su razza e genere.