实体
CivilComments
CivilComments
PulseAugur coverage of CivilComments — every cluster mentioning CivilComments across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的 BAFA 方法大幅减少 LLM 公平性审计查询次数
研究人员开发了 BAFA，一种用于高效审计大型语言模型 (LLM) 公平性的新方法。该方法将审计视为不确定性估计问题，使用代理模型版本空间来计算公平性指标区间。BAFA 主动选择查询以减少估计误差，与分层抽样等传统方法相比，显著减少了所需的查询次数。该方法在标准公平性数据集上进行了评估，证明了其在减少持续模型评估资源方面的有效性。
-
新的CAML框架提升机器学习模型对抗虚假关联的鲁棒性
研究人员开发了一个名为累积主动元学习（CAML）的新型主动学习框架，以提高机器学习模型对抗虚假关联的鲁棒性。CAML将每个主动学习轮次视为一个元学习任务，利用查询到的样本来调整模型的归纳偏倚，而不仅仅是更新其似然性。这种累积方法捕捉了学习轮次之间的顺序依赖性，从而在各种基准测试中显著提高了少数群体的准确性。