- 开源生成式人工智能的近中期风险与机遇
近年来，生成型人工智能的应用预计将在多个领域引起革命性的改变，领域范围涵盖科学、医学和教育等。这种巨大变革的潜力引发了有关潜在风险的激烈辩论，并引起了一些主导 AI 开发的科技巨头呼吁加强监管的声音。然而，这种监管可能会对开源的生成型 AI - 机器学习实践与基础设施
通过对 Stack Exchange 论坛上的问题进行实证研究，探讨了互动式计算平台在机器学习工作中的使用，及其对机器学习实践和系统开发的影响，这可能导致使机器学习生命周期中的某些方面变得不可见，这些方面对于已部署的机器学习系统的社会影响尤 - 部署的机器学习的生态系统级分析揭示了同质化的结果
我们引入了生态系统级别的分析，发现机器学习在部署过程中容易发生系统故障，即所有可用模型都无法正确分类一些用户，在医学图像方面，机器学习模型预测中的种族差异不同于人类预测，在表征机器学习的社会影响方面，生态系统级别的分析具有独特的优势。
- 隐私、公平和预测性能动态的三重结
本文针对机器学习中的公平性、数据隐私等热点问题，并研究了在优化这三个方向时它们之间的相互影响，结论是通过权衡这三个方向的优化无法完全实现。
- 训练即一切：人工智能、版权和公平训练
本文从伦理和法律的角度分析了将受版权保护的作品加入 AI 训练集中，辩论 AI 会否因此而受到限制，并评估了 AI 影响社会的成本和利益。
- 关于大型语言模型的创新力
本文分析了大型语言模型在创造性写作方面的应用，讨论了其中的挑战，探讨了机器创造性中的一些问题，以及这些技术在创意产业中的社会影响。
- 协作人工智能的层级框架
我们提出了一个针对协同智能系统的分层框架，运用机器学习辅助，针对交互活动和信息共享的不同层次和挑战，包括传统工程方法和现代机器学习方法，最后探讨了沟通和理解共享、解释和社会协同等问题，总结出未来的研究挑战和为人类社会带来的经济和社会影响。
- 迷失在翻译中：重新构想教育中的机器学习生命周期
通过对过去十年应用机器学习技术于教育方面文章的定性调查，探讨了这些文献陈述的教育和社会目标与其解决的机器学习问题之间的对齐程度，发现存在跨学科差距，提出了扩展的机器学习生命周期来填补这个差距。
- 会话代理：理论和应用
本文综述了对话代理人（CAs）的概念，讨论聊天机器人和面向任务的代理人的不同应用，并探讨了具有身体特征的对话代理人的概念。本文详细讨论了在 CAs 中表示对话的各种方法，以及评估此类代理人的方法，重点强调问责和可诠释性。本文还提供了各种应用 - 关系人工智能
通过提出关于人工智能的关联性方法，文章呼吁在引入和使用人工智能系统时重视其社会、文化、环境等方面的影响，设计和使用人工智能时应着眼于其伦理问题，并借鉴 Ubuntu 哲学以实现社会范式的转变。
- 基础模型的机遇与风险
AI 基础模型的兴起，具有广泛数据训练和可适应下游任务的特点，其机制、应用和社会影响需要更多的跨学科合作来研究。
- MM人类计算的美国研究路线图
该研究总结了一个名为 ' 人类计算 ' 的新领域，介绍了网络系统中人力驱动的成功案例以及如何通过科学研究改进在线群体驱动系统，以实现其潜力最大化，推进社会进步。