Himabindu Lakkaraju

Novos métodos melhoram a forma como o aprendizado de máquina lida com dados ruidosos.

Uma exploração de como o prompting CoT influencia o comportamento e a performance do modelo de linguagem.

Apresentando o Ajuste de Verificabilidade para explicações de IA mais claras e confiáveis.

Abordando os riscos de privacidade enquanto oferece ideias valiosas de modelos de aprendizado de máquina.

Um novo método aumenta a segurança dos modelos de linguagem contra comandos prejudiciais.

Analisando como modelos de machine learning robustos afetam a eficácia das explicações.

Analisando os desafios das autoexplicações em modelos de linguagem grandes.

SpLiCE ajuda a esclarecer os dados densos do CLIP pra facilitar a compreensão.

Avaliando como a contaminação de dados afeta os métodos de avaliação de políticas.

Entender como a IA toma decisões é fundamental pra ter confiança e usar de forma ética.

Analisando a eficácia do raciocínio em modelos de linguagem grandes.

As regras orientam o uso seguro e justo das tecnologias de IA em diversos setores.

Pesquisas mostram semelhanças nas representações internas de modelos de imagem.

Analisando os riscos de privacidade nas explicações de modelos e estratégias pra melhorar a segurança.

Um jeito de entender as preferências dos usuários para mudar os resultados de machine learning.

Um olhar direto sobre os grandes modelos de linguagem e como eles funcionam.

Explorando como o ajuste fino afeta o raciocínio em modelos de linguagem.