lightbulb现实痛点算法决策问责、可争议性与用户审计
用户可能被生成式AI误导，带来伦理、就业等多方面风险。CUI '23Generative AI Considered Harmful
公平、偏见与研究治理 / 算法决策问责、可争议性与用户审计
用户可能被生成式AI误导，带来伦理、就业等多方面风险。
同类问题
lightbulb现实痛点算法决策问责、可争议性与用户审计
用户通过LLM选择城市时，弱势群体受到忽视，导致更多不平等。lightbulb现实痛点算法决策问责、可争议性与用户审计
设计师和研究人员缺乏系统框架评估LLMs的应用和影响。lightbulb现实痛点算法决策问责、可争议性与用户审计
AI模型文件中的风险报告缺乏多样性和实用性，难以帮助用户评估风险。lightbulb现实痛点算法决策问责、可争议性与用户审计
公众对算法无公平感，尤其在涉及种族与性别的高风险决策中。lightbulb现实痛点算法决策问责、可争议性与用户审计
AI系统常未能满足现实需求，导致错误或资源浪费。lightbulb现实痛点算法决策问责、可争议性与用户审计
科学组织难以平衡生成式AI的潜力和其带来的风险。相关论文
IUI 2025
不平等的机会：检查大型语言模型地理推荐中的偏见
Shiran Dudy, Thulasi Tholeti, Resmi Ramachandranpillai
CHI 2025
理解CHI中的LLM化：通过系统文献回顾剖析LLM在CHI中的影响
Rock Yuren Pang, Hope Schroeder, Kynnedy Simone Smith
CHI 2025
RiskRAG：一种改进AI模型风险管理报告的数据驱动解决方案
Pooja S. B. Rao, Sanja Scepanovic, Ke Zhou
CHI 2025
系统不公正背景下公众对算法歧视的看法
Gabriel Lima, Nina Grgić-Hlača, Markus Langer
CHI 2025
AI 不匹配：在AI开发前识别潜在的算法危害
Devansh Saxena, Ji-Youn Jung, Jodi Forlizzi
CHI 2025
科学组织中知识工作者的生成式AI用途与风险
Kelly B. Wagman, Matthew T Dearing, Marshini Chetty
CHI 2025
生成幽灵：预测AI余生的益处与风险
Meredith Ringel Morris, Jed R. Brubaker
CHI 2025
面向有效的人类干预算法决策：理解决策者配置对决策对象公平性感知的影响
Mireia Yurrita, Himanshu Verma, Agathe Balayn
CHI 2024
构建以伦理为中心的行动计划：角色、流程步骤和轨迹
Colin M. Gray, Ike Obi, Shruthi Sai Chivukula
CHI 2024
(超越)合理怀疑：公共辩护人在法庭上审查AI时面临的挑战
Angela Jin, Niloufar Salehi
CHI 2024
（解）构AI魔法：一种设计分类法
Maria Luce Lupetti, Dave Murray-Rust
CHI 2024
这不是一个数据问题：加拿大公共高等教育中的算法与权力
Kelly McConvey, Shion Guha