data integrity | BriefGPT - AI 论文速递

关键词data integrity

搜索结果 - 12

从像素到散文：一个大规模的密集图像字幕数据集
使用 PixelProse，通过 16M 个合成生成的标题，我们构建了一个详细而准确的图像描述的综合数据集，同时还提供了有价值的元数据，如水印存在和美学评分，以帮助进一步的数据集过滤。
PDF20 days ago
KDDGinAR: 适用于变量缺失的端到端多元时间序列预测模型
我们提出了一种名为 GinAR 的图内插注意递归网络，以准确地对有限收集的数据进行空间时间依赖性建模，从而解决历史缺失数据的问题。GinAR 通过内插注意力和自适应图卷积这两个关键组件，能够恢复所有缺失变量，并重新构建正确的空间时间依赖性，
PDF2 months ago
减少截断改善语言建模
通过我们提出的 Best-fit Packing 方法，我们能够在保持训练效率的同时，完全消除了不必要的截断，并显著提高了模型的性能。
PDF3 months ago
基于 Blowfish 算法的实时场景下增强安全性的人工智能问题
通过使用混合加密，本研究涵盖了云基础设施中的所有安全问题和泄漏。
PDF3 months ago
大象不会忘记：测试语言模型对表格数据的记忆能力
通过进行定性测试和引入多种技术来评估数据污染和记忆化的程度，我们的研究揭示了大型语言模型在表格数据上的训练暴露的问题，并强调了确保机器学习任务中数据完整性的重要性。
PDF4 months ago
人工智能安全之痛苦金字塔
我们介绍了 AI 安全痛苦金字塔，这是一个将网络安全痛苦金字塔应用于分类和优先处理 AI 特定威胁的框架。该框架提供了一种结构化方法来理解和应对各种级别的 AI 威胁。
PDF5 months ago
评估基于机器学习的异常检测在不同数据完整性的数据集上的表现：案例研究
网络安全在数字时代仍然是一个重要的挑战，网络流量异常检测是对抗网络威胁的关键手段之一。本研究解决了网络流量数据集中数据完整性的普遍问题，并引入了两个经过改进的数据集，通过采用 NFStream 进行了方法论检查和标记。我们通过对比原始 CI
PDF5 months ago
FAIR Enough: 如何为大型语言模型的训练开发和评估符合 FAIR 标准的数据集？
大型语言模型（LLMs）中的进展凸显了道德实践和数据完整性的必要性。我们介绍了一个将 FAIR（可发现、可访问、可互操作、可重用）数据原则嵌入到 LLM 训练中的框架。这种方法标志着向符合 FAIR 标准的实践的转变。我们的框架提出了将 F
PDF5 months ago
让图表生辉：使用文本 - 图像生成模型将语义上下文嵌入图表
ChartSpark 是一个新型系统，它基于文本到图像生成模型将语义内容嵌入图表中，以此生成有关文本输入和嵌入式数据信息的图片可视化图表，并设计了一个交互式可视化界面，它包括文本分析器、编辑模块和评估模块，用户可以使用该界面生成、修改和评估
PDFa year ago
MLOps 环境下的质量保证：工业视角
本研究为了解决工业生产系统中机器学习模型的质量检验问题，提出了基于模块化策略的数据完整性及数据质量的质量保证方法，并以工业合作案例为支撑，还提出了未来研究的几个挑战。
PDF2 years ago
AAAI非正式数据转换有害
本文认为，人工智能系统受限于所学数据的完整性而非算法的复杂性，并就如何实现企业级更好数据完整性提出非正常方法，即在企业级数据转换（迁移，集成，组合，查询，查看等）过程中形式化自动保证数据的完整性不断得到保留，不需要对数据和依赖于数据的程序进
PDF5 years ago
计算社会科学中的卖方注意：广泛发布的 Reddit 语料库存在大规模缺失数据
对 Reddit 数据集的研究发现其存在缺失严重的问题，对于用户历史或网络分析研究存在很大风险，但对于避免代表性行为和参与的机器学习研究存在较小风险。
PDF6 years ago