視覚モデルの振る舞いに対する概念ベースの仮説的・対照的説明
AIの画像認識モデルがなぜ特定の予測をするのかを、人間が理解しやすい高レベルな概念で説明する新手法が…
AI&Tech、もう追いかけなくていい。
30秒で読めるニュースダイジェスト
AI倫理
2666件
ベンチマーク不在時のLLM安全性評価：グラウンドトゥルースなしでの比較スコアリングの検証
ラベル付きベンチマークがない状況で、LLMの安全性を比較評価する手法が提案・検証されました。
AI制御のためのゲーム：AI展開プロトコルの安全性評価モデル
信頼できないAIの展開プロトコルを評価する「AI制御ゲーム」という形式的な意思決定モデルが提案されまし…
SynBench：差分プライバシーを考慮したテキスト生成のベンチマーク
差分プライバシーを保証する合成テキスト生成の統一評価フレームワーク「SynBench」が発表されました。
より安全なAIエージェントのための追跡機能
AIエージェントの安全性課題に対し、プログラミング言語ベースの「安全ハーネス」を提案しました。
Claw-Eval：自律エージェントの信頼できる評価に向けて
自律エージェントの評価における既存の課題を解決するため、人間が検証した300のタスクを含む新しい評価ス…
AI向けオークションベース規制メカニズム
AIの安全性、バイアス、法的問題を解決するため、オークションベースの新しい規制メカニズムが提案されま…
積カーネル法における償却線形時間の厳密なShapley値
機械学習の積カーネルモデルに対し、厳密なShapley値を償却線形時間で計算する新アルゴリズム「PKeX-Shapl…
洞察と制御のための帰属誘導型プルーニング：小規模LLMにおける回路発見とターゲット修正
LLMの特定の振る舞いを司る内部回路を、帰属誘導型プルーニングで発見し修正する手法が開発されました。
価値の引き出しを超えて：ロールプレイングゲームと人類学者LLMによる初期要件定義における道徳的プロファイル構築
ロールプレイングゲームとLLMを組み合わせ、デジタルシステムユーザーの道徳的プロファイルを要件定義で抽…
RobustSora: 透かし除去済みAI生成動画検出ベンチマーク
AI生成動画の検出において、透かしが検出精度に与える影響を評価する新しいベンチマーク「RobustSora」が…
人間社会の談合防止メカニズムを多エージェントAIシステムへ応用
多エージェントAIシステムにおける談合行為に対し、人間社会の防止メカニズムを適用する研究が発表されま…