可信 AIedit
覆盖可靠性、删除、公平性、鲁棒性、可解释性和评估的研究专题。
可信 AI 是本 wiki 中最宽的可靠性标签。它覆盖在现实约束下可以被审计、修正、更新或评估的模型行为。主页为了简洁使用更短的研究标签：AI 与网络、机器遗忘、合成数据 和 数据中心 ML。
在本 wiki 中的作用edit
本页是父概念，而不是单个项目。它汇集 机器遗忘、公平性与鲁棒性、可解释性、大语言模型可靠性 和 协作评估。统一思想是：可靠性不只是训练好模型后的属性，也取决于数据过程、谁能检查数据、如何请求变更，以及证据如何共享。
与乔鑫宝工作的关系edit
乔鑫宝的工作通过具体机制贡献可信 AI：机器遗忘论文提供删除或纠正数据影响的方法；合成数据工作研究递归训练如何失败以及分布式参与方如何检测失败；AI 与网络项目研究通信约束下可靠性和效率如何变化。本页因此是更具体研究页背后可信动机的地图。