Artigos mais recentes para Ética de Dados

Esse estudo apresenta um novo método pra identificar as imagens de treinamento chave em visuais gerados por IA.

Explorando técnicas pra reduzir preconceitos em modelos de linguagem avançados.

Um novo método enfrenta ameaças escondidas em grandes modelos de linguagem.

Esse artigo explora a justiça e a estabilidade em modelos de aprendizado de máquina que são afetados por suas previsões.

Este artigo discute métodos para melhorar o alinhamento da IA com várias culturas.

Avaliação de estratégias para gerenciar questões de direitos autorais em modelos de linguagem.

Esse workshop analisa estereótipos de gênero na IA através da ótica dos preconceitos sociais.

Melhorando como as máquinas respondem a perguntas visuais por meio de raciocínio estruturado.

Uma olhada em métodos pra reduzir o viés em decisões automatizadas usando Aprendizado de Representação Justa.

Este artigo discute métodos para reduzir o viés em conjuntos de dados de imagem e texto de IA.

FairPFN usa transformadores pra promover justiça nas previsões de aprendizado de máquina.

Novo método analisa como os dados de treino afetam as saídas do modelo de IA.

Novo índice mostra progresso na transparência dos modelos de IA entre os desenvolvedores.

Analisando o papel da atribuição de crédito em aprendizado de máquina e problemas de direitos autorais.

Entendendo a importância de auditar explicações de machine learning para confiança.

Debiasing seletivo tem como objetivo melhorar a justiça nas previsões de aprendizado de máquina.

Esse estudo fala sobre como lidar com preconceitos em modelos de geração de imagens, melhorando a inclusão.

Este artigo mostra como os VLMs refletem estereótipos de gênero em tarefas do dia a dia.

A pesquisa foca em melhorar a segurança em grandes modelos de linguagem por meio de técnicas de alinhamento.

A PointNCBW oferece um jeito seguro de verificar a posse de conjuntos de dados de nuvem de pontos.

Um estudo sobre como melhorar os métodos para avaliar ataques de Inferência de Membro em modelos de linguagem.

Explore a necessidade de um sistema de feedback aberto pra melhorar as respostas da IA.

Um novo método pra gerar dados sintéticos sem viés pra aplicações de IA.

Novos métodos melhoram como os modelos de linguagem esquecem conhecimento indesejado.

Apresentando explicações alterfatuais pra aumentar a transparência dos modelos de IA.

Analisando o tratamento dos trabalhadores de dados na IA e seu impacto na justiça.

Analisando a importância da justiça em sistemas de IA que impactam vidas.

Uma nova abordagem para valorizar dados destaca sua singularidade para aprendizado de máquina.

Insights e orientações para a criação responsável de conjuntos de dados em aprendizado de máquina.

Analisando como fatores sociais influenciam os resultados de machine learning na saúde.

Explorando as lacunas atuais nas práticas de transparência de dados em sistemas de IA.

Analisando o impacto da IA e dos sistemas de crédito clínico na privacidade e direitos dos pacientes.

Explora a ascensão e o impacto dos Modelos Fundamentais na inteligência artificial.

Uma estrutura pra identificar e reduzir preconceitos em dados visuais para modelos de IA.

Um novo framework tem como objetivo descobrir preconceitos em cenários de interpretação de papéis de modelos de linguagem.

Um novo método tem como objetivo reduzir o viés nas previsões dos modelos de linguagem.

Os desenvolvedores podem melhorar a privacidade dos apps analisando melhor as avaliações dos usuários com técnicas avançadas.

Uma nova abordagem lida com os preconceitos em modelos de imagem-texto de forma eficaz.

Um projeto pretende dar aos artistas controle sobre suas contribuições criativas para a IA.

Descubra como os dados de voz emocionais estão transformando a tecnologia de verificação de fala.