lightbulb现实痛点算法可争议性与治理审计
弱势群体难以在算法公共服务中获得公平结果。公平、偏见与研究治理 / 算法可争议性与治理审计
弱势群体难以在算法公共服务中获得公平结果。
同类问题
lightbulb现实痛点算法可争议性与治理审计
AI审计在识别风险和系统局限时工具不足且缺乏标准化。lightbulb现实痛点算法可争议性与治理审计
大学生在使用LLM时易盲目接受内容，缺乏批判性思维。lightbulb现实痛点算法可争议性与治理审计
第三方算法审计因数据访问受限，无法进行可靠的公平性评估。lightbulb现实痛点算法可争议性与治理审计
AI设计和决策的负面影响难以追责，公众参与有限。CSCW '24From Stem to Stern: Contestability Along AI Value Chains
lightbulb现实痛点算法可争议性与治理审计
非技术用户难以高效设计和测试LLM提示词，导致优化缓慢。lightbulb现实痛点算法可争议性与治理审计
用户难以有效参与AI测试和审计以发现问题和偏见。CSCW '23Supporting User Engagement in Testing, Auditing, and Contesting AI
相关论文
CHI 2025
面向AI责任基础设施：AI审计工具的差距与机遇
Victor Ojewale, Ryan Steed, Briana Vecchione
CHI 2025
在这里，GPT做出了一个选择，而每一个选择都可能带有偏见：学生如何通过终端用户审计活动批判性地参与LLMs
Snehal Prabhudesai, Ananya Prashant Kasi, Anmol Mansingh
CHI 2025
访问 denied：定量算法审计的有意义的数据访问
Juliette Zaccour, Reuben Binns, Luc Rocher
CHI 2024
理解边缘的竞争性：对公共服务中算法决策设计的启示
Naveena Karusala, Sohini Upadhyay, Rajesh Veeraraghavan
CHI 2024
ChainForge：用于提示工程和LLM假设检验的可视化工具包
Ian Arawjo, Chelse Swoopes, Priyan Vaithilingam
CHI 2023
用户驱动算法审核中的参与和劳动分工：普通用户如何合作揭示算法危害？
Rena Li, Sara Kingsley, Chelsea Fan
CHI 2023
拆解算法决策中的公平感知：解释、人类监督和可争议性的影响
Mireia Yurrita, Tim Draws, Agathe Balayn
CHI 2022
面向用户驱动的算法审计：探究用户发现有害算法行为的策略
Alicia DeVos, Aditi Dhabalia, Hong Shen