ml systems | BriefGPT - AI 论文速递

关键词ml systems

搜索结果 - 8

动态去偏：基于解释的人工监督机器学习系统决策
提出了一种新颖的在部署的机器学习系统中跟踪和纠正歧视的方法，它利用反事实解释来持续监测机器学习系统的预测，并标记歧视性结果，然后将与原始预测和反事实替代方案相关的后续解释呈现给人工审查者进行实时干预，从而实现公平和负责任的机器学习操作。
PDF7 days ago
交互式机器学习系统中对多样用户进行服务初始化
该研究旨在研究与用户交互学习的机器学习系统，以提供不同用户群体的专门化服务，并预测用户偏好；通过采用针对性的方法，克服了未知用户偏好和次优本地解决方案的挑战。
PDF6 months ago
EMNLP高效语言数据抽样的规模化影响分数
应用影响力分数评估语言分类任务，通过修剪训练数据来量化准确性变化，并提供基于分数采样的建议，以提高准确性和训练效率。
PDF7 months ago
基于树模型和替代模型的公平特征重要性评分
我们提出了一种公平特征重要性评分，用于解释决策树等可解释的黑盒机器学习模型对公平性或偏见的贡献。通过模拟和真实示例，我们证明了该方法对树形集成和其他机器学习系统的树形替代物提供了有效的解释性。
PDF9 months ago
QI2 数据质量保证的交互式工具
高数据质量的重要性随着机器学习系统和大数据的影响和分布而增加。欧洲委员会提出的计划的 AI 法案特别针对与安全相关的机器学习系统的市场引入，定义了具有挑战性的数据质量法律要求。本文介绍了一种新的方法，支持多种数据质量方面的数据质量保证过程。
PDFa year ago
数据测量
本文旨在通过测量数据来量化机器学习数据和数据集的组成部分，以促进机器学习的系统构建和分析，使现代机器学习系统更加准确和可控，同时讨论了未来工作的许多途径、数据测量的局限性，以及如何在研究和实践中利用这些测量方法。
PDF2 years ago
AAAI认识到偏好变化的重要性：呼吁在人工智能时代进行协调的跨学科研究努力
本文提出成立跨学科组织，聚焦于理解 AI 系统对个体决策偏好的影响，运用各学科概念对偏好进行操作化，提出偏好变化的框架，并明确了可接受的和不可接受的变化。
PDF2 years ago
ICML跨数据集 OOD 检测方法的不一致性：缺乏真正的现有技术？
本文研究了 out-of-distribution detection 的各种方法，发现这些方法在一个规范化的 16 个（ID, OOD）数据集组成的标准数据集上并没有本质上的优劣。而在低数据量环境下，Pairwise OOD detect
PDF3 years ago