Artigos mais recentes para Ética na IA

Uma análise profunda das capacidades e limitações do ChatGPT em processamento de linguagem natural.

O T-Explainer oferece insights confiáveis sobre as previsões de modelos de machine learning.

A Otimização de Preferências Suaves melhora como os modelos de linguagem se alinham com as preferências humanas.

Esse artigo apresenta um novo método pra melhorar o raciocínio em modelos de linguagem.

Esse estudo analisa a eficácia dos LLMs em avaliar explicações geradas por IA.

Este estudo analisa o viés em modelos de Aprendizado Contínuo para imagens médicas.

Analisando os riscos e oportunidades da tecnologia de IA generativa de código aberto.

Um novo método melhora as respostas da IA aprendendo com várias fontes de feedback.

MuDreamer melhora o aprendizado do agente ao focar na previsão em vez de reconstrução de imagens.

Apresentando Alinhamento por Demonstrações para modelos de linguagem seguros e eficazes.

Uma visão geral do crescente campo da geração de texto e suas implicações.

Um novo método mistura modelos de IA fraca e forte pra alinhar com os valores humanos.

Um estudo sobre como os modelos de linguagem expressam e medem sua confiança.

Explore como os modelos de linguagem grande aumentam a criatividade através da geração de multimídia.

Uma olhada em como os modelos de linguagem podem representar crenças e suas implicações.

Esse artigo explora o papel da IA na criação de comédia e os desafios enfrentados pelos comediantes.

Explorando os benefícios de conjuntos de regras para modelagem preditiva ética.

Setokim melhora a fusão da compreensão visual e textual através de uma tokenização inovadora.

Um jeito de avaliar a confiabilidade dos resultados da IA na saúde e em outras áreas.

Uma olhada nos avanços em modelos de linguagem para idiomas do Índico e seus desafios.

Pesquisadores desenvolvem o conjunto de dados GECO e o GECOBench pra enfrentar o viés de gênero na IA.

Explora os desafios de supervisionar modelos de IA avançados com contrapartes mais fracas.

Novas técnicas visam corrigir erros em modelos de linguagem sem precisar de re-treinamento completo.

Um método pra melhorar modelos de linguagem, diminuindo saídas indesejadas durante o treinamento.

Analisando as mudanças nos preconceitos sociais em modelos de linguagem ao longo do tempo.

O método de extensão de contexto do Mamba melhora o manuseio de sequências longas sem precisar de treinamento adicional.

Garantindo que as explicações da IA sejam claras e confiáveis pra confiar nos usuários.

A pesquisa destaca o papel dos neurônios de segurança em melhorar a segurança e a responsabilidade dos LLMs.

Aumentando o engajamento dos usuários em grandes modelos de visão-linguagem através de comunicação proativa.

Examinando as dificuldades que os LLMs enfrentam na tradução de idiomas com poucos recursos.

A Dysca apresenta uma nova forma de avaliar o desempenho do LVLM usando dados sintéticos.

Analisando os desafios e as implicações de desaprender em modelos de IA.

Este artigo discute como personas podem melhorar a criação de dados sintéticos para o treinamento de modelos.

Analisando a relação entre técnicas de privacidade e preconceitos em modelos de linguagem.

Explorando como dados sintéticos moldam modelos de machine learning e seu comportamento.

Pesquisas recentes exploram as habilidades cognitivas dos modelos de linguagem em comparação com os humanos.

Foco em IA Acessível e Explicável para pessoas com deficiência.

Esse estudo analisa como os LLMs avaliam seu próprio conhecimento e o risco de erros.

Melhorando a experiência do usuário ao unir ergonomia cognitiva com modelos de linguagem.

O Efeito Rashomon revela vários modelos eficazes em aprendizado de máquina.