Articoli più recenti per Etica nella tecnologia

La ricerca presenta un framework per ridurre il bias nei testi generati dall'IA.

I workshop migliorano la comprensione dell'AI Responsabile per i professionisti del settore.

La ricerca mostra come suggerimenti amichevoli possano ingannare i sistemi AI.

Un dataset solido per addestrare sistemi AI avanzati basati su chat.

Un framework per includere le voci delle minoranze nei processi di annotazione.

Scopri come il Text Style Transfer cambia lo stile del testo mantenendo il significato.

Un nuovo metodo migliora l'allineamento dei modelli di intelligenza artificiale senza la necessità di riqualificazione.

PUFFLE offre una soluzione per le sfide di privacy, utilità e giustizia nell'apprendimento automatico.

Nuovo modello crea in modo efficiente rappresentazioni 3D realistiche di teste umane.

Questo articolo parla di come il ragionamento degli LLM migliori i sistemi di raccomandazione e presenta Rec-SAVER.

Un metodo per ridurre il bias nei modelli di linguaggio facendoli dimenticare informazioni dannose.

Combinare il machine learning con il ragionamento automatico per spiegazioni dell'AI più chiare.

Tecniche per bypassare la sicurezza nei modelli di linguaggio.

Esplorare l'uso delle filigrane per affrontare problemi di copyright nei modelli linguistici.

Un nuovo dataset sintetico permette una precisa rilevazione delle teste e la modellazione 3D.

Uno studio dettagliato su come i modelli memorizzano il testo e le sue implicazioni.

Un'analisi su come i sondaggi influenzano la ricerca sull'IA, i valori e il coinvolgimento del pubblico.

Questo progetto punta a identificare e ridurre i pregiudizi nei modelli linguistici delle lingue europee.

Un'immersione profonda nell'importanza di interpretare i modelli NLP.

Esaminando i metodi per preparare i dati nell'addestramento dei modelli.

Un nuovo modo per valutare l'affidabilità dei metodi che spiegano il processo decisionale dell'IA.

Esaminando le questioni di equità negli algoritmi di rilevamento delle anomalie per immagini facciali.

Esplorare l'unlearning delle macchine e il suo ruolo nel migliorare la sicurezza e la privacy dell'AI generativa.

Esplorare i bias umani e il loro impatto sulla giustizia dell'AI.

Nuovi metodi rilevano e rispondono alla memorizzazione nei contenuti generati dall'AI.

Esplorare principi per relazioni etiche tra le persone e i loro dati.

Nuovi metodi affrontano i problemi di copia nei modelli di generazione delle immagini.

Esaminare i pregiudizi e l'equità nei grandi modelli di linguaggio.

Esplorare il ruolo e le sfide degli LLM nella conoscenza ingegneristica.

Uno studio mette in luce le lacune nella rappresentanza degli utenti emarginati di Stable Diffusion.

Un nuovo modello per un cambio facciale realistico usando tecniche avanzate.

Una panoramica dei rischi e dei metodi legati alla sicurezza dei modelli linguistici.

Uno sguardo al bias e all'equità nella tecnologia della visione computazionale.

I modelli di linguaggio più grandi mostrano una maggiore vulnerabilità a comportamenti dannosi nei dati.

Metodi innovativi per migliorare l'equità nei modelli di linguaggio grandi.

Esaminare i rischi del jailbreaking a più tentativi nei modelli linguistici italiani.

Gli attacchi di shuffling rivelano vulnerabilità nelle valutazioni di equità dell'IA utilizzando metodi come SHAP.

Questo articolo analizza come contesti diversi influenzano i risultati dei test di equità nell'IA.

Scopri gli ultimi sviluppi nei modelli da testo a immagine e il loro impatto.

Presentiamo BMFT: un metodo per migliorare l'equità nel machine learning senza i dati di addestramento originali.