mitigate | BriefGPT - AI 论文速递

关键词mitigate

搜索结果 - 11

个性化语言模型中的安全性 - 效用权衡探索
大型语言模型（LLMs）在日常应用中变得越来越普遍，因此需要确保它们在各种用户群体之间公正地运行。本文揭示了 LLMs 存在个性化偏差的问题，也就是当 LLMs 根据用户的身份进行个性化设置时，它们的性能会受到影响。我们通过评估 LLMs
PDF15 days ago
应用自然语言处理技术解决 Metacritic PC 游戏用户评分中的 "Review Bombing" 问题
对于许多被用户打分的电子游戏来说，很多时候都会出现 “点评攻击” 现象，即大量低分评价，这些评价往往不能真实反映产品的质量。通过使用英语 PC 游戏的 Metacritic 上的 5 万多用户评分汇总，并采用自然语言处理（NLP）方法，本文
PDF2 months ago
人工智能模型中的公平追求：一项调查
人工智能（AI）模型在我们的生活的各个方面得到广泛应用，如医疗、教育和就业。鉴于它们在许多敏感环境中使用并做出可能改变生活的决策，潜在的偏见结果成为一个紧迫问题。开发人员应确保这些模型不表现出任何意外的歧视做法，如对特定性别、种族或残疾人的
PDF3 months ago
人脸识别中减少人口统计偏见的合成数据
通过使用合成数据来缓解影响面部识别技术的人口偏见的可能性进行了研究。
PDF5 months ago
图异常检测的多任务主动学习
在网络时代，图机器学习已经广泛应用于普遍存在的图结构数据中。本研究提出了一种名为 MITIGATE 的新型多任务主动图异常检测框架，通过耦合节点分类任务，增加了检测未知异常节点的能力，并通过置信度差异量化节点的信息量，采用掩码聚合机制提高了
PDF5 months ago
大型语言模型中幻觉缓解技术的综合调查
这篇论文综述了 32 种技术，旨在减轻大型语言模型中的幻觉问题，其中包括检索增强生成、知识检索、CoNLI 和 CoVe 等方法，并提出了基于数据集利用、常见任务、反馈机制和检索器类型等参数的分类方法，以区分专门设计用于解决大型语言模型幻觉
PDF6 months ago
分类和减轻 LLMs 的幻觉的洞察力
本文阐述了人工智能幻觉的根本原因及其在人工智能中的重要意义，并就幻觉分类进行了研究，包括机器翻译、问答系统、对话系统、摘要系统、基于大语言模型的知识图谱以及视觉问答等多个任务。同时，本研究探讨了缓解幻觉的潜在策略，旨在提高大语言模型的整体可
PDF8 months ago
推荐系统中的流行度偏差调查
推荐系统中普遍存在的流行度偏差问题，导致推荐结果集中在热门物品，本文回顾了流行度偏差的潜在原因和现有方法，并批判性地讨论了当前文献的局限性。
PDFa year ago
探究 OpenAI GPT3 中的偏见与互联网教育
本研究探讨了自然语言处理模型中偏见及其避免技术的现有文献，包括为何首先解决偏见问题；此外，文中分析了这些技术在比过去更大的新型模型下的表现。为了实现这些目标，本文作者使用目前可由消费者使用的最大 NLP 模型 GPT3 进行了研究。通过使用
PDFa year ago
ChatGPT 的偏见是否应存在？大型语言模型中存在的偏见挑战和风险
本文探讨大规模语言模型（如 ChatGPT）中固有偏见的挑战和风险，讨论其起源、伦理问题、缓解偏见的潜在机会、在虚拟助手、内容生成功能和聊天机器人中部署这些模型的意义以及如何鉴别、量化和缓解语言模型中的偏见，强调了需要跨学科的合作来开发更公
PDFa year ago
评估临床试验中的数据偏倚
该论文提出了一种解决数据偏见问题的方法，即通过定义可能存在于数据集中的数据偏见类型并使用适当的度量对其进行表征和量化，提供识别、衡量和减轻不同数据来源数据偏见的指南，适用于前瞻性和回顾性临床试验。
PDF2 years ago