专栏名称: 数据派THU
本订阅号是“THU数据派”的姊妹账号,致力于传播大数据价值、培养数据思维。
目录
相关文章推荐
数局  ·  量子位:AI眼镜「预选赛」格局报告 ·  2 天前  
大数据文摘  ·  图灵奖得主 Yoshua Bengio ... ·  2 天前  
51好读  ›  专栏  ›  数据派THU

【NTU博士论文】从小型深度神经网络到大型语言模型:构建可信 AI 的软件工程视角

数据派THU  · 公众号  · 大数据  · 2025-05-19 17:00

正文

请到「今天看啥」查看全文


研究 目标 通过 改进 阶段 提升 AI 模型 可信度。 我们 主要 方法 借鉴 传统 软件 修复 理念, 首先 识别 问题, 实施 修复 措施。

此外, 大型 语言 模型( LLMs) 正在 整个 软件 产业。 因此, 本文 训练、 推理 测试 阶段 出发, 探讨 小型 深度 神经 网络( DNNs) LLMs AI 软件 修复 方法。

训练 阶段: 可信 问题 修复 方法

我们 首先 关注 模型 训练 过程 产生 可信 问题 原因。 训练 数据 通常 引发 问题 关键 所在。 针对 数据 试, 我们 聚焦 社会 影响 较大 问题—— 公平性( fairness) 我们 目标 分析 个子 群体( 具有 相同 敏感 属性 数据) 训练 过程 中的 贡献, 进而 揭示 偏差 根源。

我们 发现, 不同 群体 训练 中的 贡献 不均 造成 不公平







请到「今天看啥」查看全文