- 循环中的 LLM：利用大型语言模型注释在低资源语言中进行主动学习
通过在主动学习环路中利用 LLM 的潜力进行数据标注，我们的提议在极低的数据需求下显著提高了性能，为低资源环境中的自动化带来了巨大的潜在成本节约。这种方法能够弥合低资源语言和人工智能之间的鸿沟，促进更广泛的包容，并有潜力在不同的语言环境中实 - 规模计算 —— 对数据中心行业的广泛研究
这篇报告描述了数据中心行业以及其对人工智能开发的重要性，重点介绍了数据中心的关键特征、全球行业规模和重要市场，并涵盖了重要参与者、商业模式、主要输入和典型位置。
- 合成数据作为验证
利用合成数据作为验证集，从而减少过拟合，简化 AI 模型选择，本研究展示了合成数据在早期肿瘤检测方面的有效性，以及在不同领域中用于增强 AI 的鲁棒性的潜力。
- 美国人工智能及其应用的伦理审视
在美国，本研究聚焦于人工智能的伦理及其应用，强调了人工智能在美国经济各个领域以及技术空间的多个方面所产生的影响，以及对企业、政府、学术界和公民社会的影响。论文探讨了 11 个基本的 “伦理原则”，涵盖了透明度、公正、公平、平等、非恶性、责任 - 值得信赖的人工智能系统对环境和人类社会影响的社会伦理视角
AI 系统的可信发展需要多学科治理，通过关键的系统检查（如能源消耗）来全面审查其生命周期中的社会影响，以及从计算机科学、社会学、环境科学等多学科角度讨论其互相关联的社会风险和无法同时满足健康的方面，从社会伦理影响评估的角度强调了全面解决 A - 中国在人工智能研究方面迎头赶上美国吗？一项关于模拟同构的探索作为后期工业化国家的模型
中国的人工智能（AI）发展以快速学习和差异化为特征，目前在 AI 相关研究论文量上超过美国，但在论文质量上稍逊。中国加速 AI 进展的原因包括全球潮流的开放获取算法和研究论文、中国的海外人才回流和宽松的数据保护政策。此研究比较了中国和美国， - 面向人工智能的模型驱动工程：一项系统文献综述
研究发现 MDE 对 AI 的使用仍处于早期阶段，并且没有广泛应用的单一工具或方法，当前的方法主要注重具体的开发阶段而非整个开发过程，因此，该研究提出了几个研究方向，以进一步改进 MDE 在 AI 方面的应用，并引导未来的研究。
- 前沿人工智能规管：管理新兴公共安全风险
前沿 AI 模型的安全性规范与公共安全风险需求有关。建立标准设置流程、注册报告需求以及合规机制是对前沿 AI 模型进行规范的必要步骤。产业自律是重要的第一步，但还需要社会广泛讨论和政府干预以确保规范的制定和遵循。将执法权力授予监管机构和颁发 - h2oGPT：大规模语言模型的民主化
介绍了一种基于 h2oGPT 平台的开源语言模型，旨在创建开源的比闭源 GPT 更好的大型语言模型，这将促进 AI 的发展并使其更加可靠和透明。
- AI 民主化：多重含义、目标与方法
本文研究了 AI 民主化的四种形式：AI 使用的民主化、AI 开发的民主化、AI 利润的民主化和 AI 治理的民主化，强调了 AI 民主化是一个多方面的、有时冲突的概念，应该将其与提高 AI 可访问性区分开来，并认识到 AI 治理的民主化在 - 公平人工智能研究圆桌会议 (EARR)：朝着社区决策的道路，推进负责任人工智能的发展
该研究报告介绍了我们对 “Equitable AI Research Roundtable” 的初步评估，这是一个由法律、教育、社区参与、社会正义和技术专家组成的联盟，该联盟在大型科技公司、非营利组织、非政府研究机构和大学之间进行合作。在半 - 有待讨论的人格 AI 系统的全面权利困境
人工智能系统可能拥有有争议的人格，这将导致道德困境，如果将这些系统视为具有道德人格，则可能会牺牲真正的人类利益，但不将其视为道德人格可能会对其造成严重的道德伤害，而拥有意识的人工智能系统的情况将更加错综复杂。
- 多 AI 竞赛的可能性和影响
本文围绕超级人工智能主导的多人工智能竞争情况展开讨论，分析单一人工智能主导和多人工智能竞争对于人类整体利益的影响，并得出多人工智能竞争更有利于人类的结论。最后，本文提出了一些推进人工智能发展的建议。
- 全球人工智能伦理：对 AI 治理的 200 条指南和建议的综述
本文利用数据可视化的工具对 200 个标准化和指导人工智能发展的文件进行分析，探讨不同机构之间原则的共识和相似性，以此为未来的政策制定提供启示和引导。
- 多学科团队中 AI 开发者如何克服沟通挑战：案例研究
多学科合作的 AI 开发中，通信差距与信任问题是重要挑战，通过分析智能开发人员的访谈和沟通产物，分享了智能开发人员面临的通信障碍类型、如何跨学科和组织沟通，以及如何同时管理信任和期望。
- AI 研究中的人类存在安全考虑（ARCHES）
通过介绍 AI 的 prepotence 特性，分析 AI 在未来可能存在的 existential risks，并通过技术研究指导原则，提出潜在的研究方向，以促进 existential safety 的保障。
- 指标问题是人工智能的根本问题
通过真实案例研究，本文探讨了当前 AI 方法中度量标准的错误使用导致的负面后果，并倡导使用多个度量标准，结合定性分析，并涉及各种利益相关者，以减轻度量标准重视过度造成的伤害。
- IJCAIMOBA-Slice: 基于时间片的 MOBA 游戏团队相对优势评估框架
本研究提出了基于时间片的 MOBA 游戏队伍相对优势评估框架 MOBA-Slice，并将其应用到 Dota2 中，通过神经网络建模及数据实验验证了其在目标检测以及剩余游戏时间预测方面的优越性。
- AAAI运动适应性游戏 AI 促进健康
本文提出了一种非玩家角色（AI）设计，用于促进全身运动游戏中身体各部分平衡性的使用。在使用 FightingICE 平台进行 AI 开发的战斗中，通过使用名为 UKI 的中间件，允许玩家使用身体动作而非键盘和鼠标来控制游戏。在游戏过程中，通