テクノロジーの倫理 に関する最新の記事

研究がAI生成テキストのバイアスを減らすための枠組みを提案しているよ。

ワークショップは業界のプロが責任あるAIについての理解を深めるのに役立つよ。

研究によると、フレンドリーなプロンプトがAIシステムを誤導することがあるんだって。

高度なチャットベースのAIシステムを訓練するための強力なデータセット。

マイノリティの声をアノテーションプロセスに取り入れるためのフレームワーク。

テキストスタイル転送が意味を保ちながらテキストスタイルをどう変えるか学ぼう。

新しい方法でAIモデルの整合性を強化できるんだ、再トレーニングなしで。

PUFFLEは、機械学習におけるプライバシー、ユーティリティ、フェアネスの課題に対する解決策を提供するよ。

新しいモデルがリアルな3D人間の頭の表現を効率的に作成する。

この記事では、LLM推論がレコメンデーションシステムをどのように強化するかについて話していて、Rec-SAVERを紹介してるよ。

有害な情報を忘れさせることで言語モデルのバイアスを減らす方法。

機械学習と自動推論を組み合わせて、より分かりやすいAIの説明を作る。

言語モデルの安全機能を回避する技術を理解する。

言語モデルの著作権問題に対処するためのウォーターマークの活用を探る。

新しい合成データセットが、正確な頭部検出と3Dモデリングを可能にする。

モデルがテキストをどのように覚えるか、その影響についての詳細な研究。

アンケートがAI研究、価値観、そして公共の関与にどんな影響を与えるかの分析。

このプロジェクトは、ヨーロッパの言語における言語モデルのバイアスを特定して減らすことを目指してるよ。

NLPモデルの解釈の重要性について深く掘り下げてみる。

モデルトレーニングのためのデータ準備方法を調べる。

AIの意思決定を説明する方法の信頼性を評価する新しいアプローチ。

顔画像の異常検出アルゴリズムにおける公平性の問題を調査中。

機械の忘却を探求して、生成AIの安全性とプライバシーを向上させる役割について。

人間のバイアスとそれがAIの公平性に与える影響を探る。

新しい方法がAI生成コンテンツの暗記を検出して対処する。

人とデータの間の倫理的な関係の原則を探る。

新しい方法が画像生成モデルのコピー問題に取り組んでる。

大規模言語モデルのバイアスと公平性を調べる。

知識エンジニアリングにおけるLLMの役割と課題を探る。

研究が、Stable Diffusionのマイノリティユーザーの代表性のギャップを明らかにした。

高度な技術を使ったリアルな顔入れ替えのための新しいモデル。

言語モデルの安全性に関連するリスクと方法の概要。

コンピュータビジョン技術におけるバイアスと公平性についての考察。

大きな言語モデルは有害なデータの行動に対して脆弱性が増す。

大規模言語モデルの公平性を高める革新的な方法。

イタリア語モデルにおける多ショットジェイルブレイキングのリスクを検討する。

シャッフル攻撃は、SHAPみたいな方法を使ったAIの公平性評価の脆弱性を明らかにする。

この記事では、異なる文脈がAIの公平性テストの結果にどのように影響するかを調べてるよ。

テキストから画像モデルの最新の進展とその影響を探ろう。

BMFTの紹介：元のトレーニングデータなしで機械学習の公平性を向上させる方法。