为了改善法律领域的开放性问题，该研究提出了一种透明处理和获取法律开放数据的开源平台，实现了六种技术的应用和超过 25 万条德国法律和法院裁决的元数据生成，提供了对法律文件和其中所包含信息的访问。

May, 2020

智能系统透明度对于有效的实际应用具有重要意义，但不同类型透明度的动机和效益由具体情境决定，难以确定客观测量标准。我们提供了一个简要的调查，阐述了挑战及相关担忧。我们重点关注和审查了透明度可能导致伤害的情景，并讨论了隐私、多智能体博弈论、经济、公平性和信任之间的联系。

Jul, 2017

本文概述了当今为实现 “结构透明” 而进行的研究的前沿，提供了一个概括性的理论框架和词汇，包括表征基本组件 - 输入隐私、输出隐私、输入验证、输出验证和流程治理 - 以及复制、捆绑和递归监督等基本问题，并论证了最近随着 “隐私增强技术” 的发展，如安全计算和联邦学习，可以在许多领域显着减少潜在的使用 - 滥用的权衡。本文最后给出了结构透明的几个应用示例，包括开放式研究、能源管理和信用评分系统，并讨论了这些工具被滥用的风险。

Dec, 2020

本文中，我们阐述了明确的 AI 透明度目标，即以用户为中心、恰当的透明度和诚实的透明度。我们进行了广泛的文献调查，将透明度概念的许多相似聚类与我们的目标联系起来，以便政策制定者、利益相关者和从业者能够交流具体需求和提供适当的解决方案。

Mar, 2023

本文提出隐私增强技术在数据交换和分析中减小了隐私与性能之间的权衡，同样的工具可以为 AI 治理提供外部审查、审计和源代码验证的能力，并以信息流的方式查看这些不同的 AI 治理目标，强调了这些解决方案之间的互操作性和重要性。

Mar, 2023

现代计算机系统在当代生活中无处不在，但其中许多系统仍然不透明。我们认为实现系统透明性的最佳策略因特定上下文中普遍存在的不透明性来源而异。通过综合和扩展现有讨论，我们提出了一个包含八个不透明性来源的分类体系，分为三个主要类别：架构、分析和社会技术。对于每个来源，我们提供了初步的建议以解决实践中导致的不透明性。该分类体系为需求工程师和其他从业人员提供了一个起点，以了解具有上下文普遍性的不透明性来源，并选择或开发适当的克服策略。

Jul, 2023

基礎模型透明度報告是一種基於社交媒體的透明度報告實踐，用於提供關於基礎模型開發和部署的透明度，以降低合規成本並加強監管要求。

Feb, 2024

Data Commons 是一个分布式网络，旨在帮助用户理解和解决社会挑战，通过对公共数据进行数据处理和标准化，提供通过自然语言搜索的知识图谱。

Sep, 2023

人工智能知识系统与透明度的挑战，包括知识与人的关联性，对组织和个体视野的影响，以及系统透明度、程序透明度和结果透明度等方面，需要引起进一步研究和关注。

Jan, 2024

人工智能的功能透明性在透明系统中遵守设计框架中成为关键挑战，要求跨学科合作来推进透明和可解释的人工智能系统的发展。

Oct, 2023