Nov, 2023

专家参与：在隐私问答制定过程中建立有效的工作流程

PDF
TL;DR通过将隐私政策转化为隐私问答对，我们提出了一种动态工作流程，以便通过对话人工智能系统轻松获取隐私政策，促进法律专家和对话设计师之间的跨学科合作，并考虑到大型语言模型生成能力的利用及相关挑战，同时强调隐私问答构建过程中的持续改进和监控，并倡导通过专家参与的全面审查和改进。
发现论文，激发创造
  • 隐私政策问答：结合计算和法律视角

    本文介绍了 PrivacyQA 数据集，以及采用神经网络进行隐私政策问题回答的方法和挑战。PrivacyQA 数据集包括 1750 个问题和 3500 个相关答案的专业注释，研究表明，当前的神经网络方法在回答隐私政策问题上存在诸多问题，该数据集为未来的问题回答系统提供了巨大的改进空间。

    Nov, 2019

  • 一种基于人机协同的数据稀缺条件下隐私政策信息抽取方法

    本文介绍了一种针对隐私政策注释的 “人在回路”（Human-in-the-Loop）原型系统，该系统集成了机器学习生成的建议和最终的人为注释决策，提供了一种特定于数据稀缺性的基于机器学习的建议系统，其提供了有意义的预测，优于其他近期用于法律文件的提取模型的性能。

    May, 2023

  • PolicyQA：一份隐私政策阅读理解数据集

    提出 PolicyQA，用于针对现有隐私政策发布的 25,017 个阅读理解问题的数据集，包括 714 个针对隐私实践的人工标注问题，并评估了两种现有的神经问答模型并进行了严格的分析。

    Oct, 2020

  • 通过答案集编程生成叙述来探索隐私政策的后果

    使用 ASP（Answer Set Programming）的框架，将隐私政策形式化为叙事规划空间上的约束，并通过 HIPAA 的范例演示如何使用该系统来询问可能性并确定给定事件序列中违反法律条款的内容。

    Dec, 2022

  • 隐私政策问答的检索增强数据增强技术

    本文通过集成检索模型和利用多个预训练语言模型及去噪防护，开发了一种新型数据增强框架，以捕获未标记的策略文件中的相关文本段，并扩展训练集中的正面示例。使用此增强数据，该研究在 PrivacyQA 基准测试中将现有水平提高了 10% F1，实现了 50% 的新水平。（其中，F1 是一种综合度量，用于评估二元分类器的准确性。）

    Apr, 2022

  • Polisis: 使用深度学习自动分析和呈现隐私政策

    我们提出了一个基于 Polisis 的自动化框架，能够在隐私政策的众多细节方面进行可扩展的、动态的、多维查询。最初的 Polisis 具有一个隐私中心语言模型和神经网络分类器的新等级结构，支持由结构化和自由形式查询支持的两个应用程序：自动分配隐私图标和 PriBot 隐私答案查询。

    Feb, 2018

  • 会话式问答：综述

    本文对 2016 至 2021 年所发表关于问答系统的各项研究进行了回顾与总结，发现多轮问答系统已取代了单轮问答系统的先前主导地位，这表明了其在提高人工智能对话系统方面的重要性，同时也描绘了开展更多进一步和有利的研究的未来研究方向。

    Jun, 2021

  • 构想一个人工智能协作系统以将政策转化为决策模型

    介绍利用自然语言和可编程代码同时表达政策的全球数字政府倡议，以及用 AI，自然语言处理和知识图谱缩短从政策文档到可执行决策模型的路线的方法。使用 AI 可帮助政府机构和政策专家扩大人可读和机器可执行政策规则的生产，同时提高透明度，可解释性，追溯性和决策的问责性。

    Nov, 2022

  • 探索法律问答系统的最新技术

    该研究旨在解决法律问答的问题，提供包括 14 个标准数据集和基于深度学习的法律问答模型在内的全面调查。该研究重点讨论了面临的挑战和不足，以及使用的不同方法和技术。

    Apr, 2023

  • 多模态会话任务引导系统中的人类参与方法

    本文讨论了人类在指定任务中使用应用程序所面临的挑战，提出了任务引导系统的发展需要寻找信息检索和会话系统来帮助任务的执行者，并针对现有数据集开发了一个基于 Wizard-of-Oz 的数据收集工具，进行了初步实验。

    Nov, 2022