可信 AI编辑
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 关注在现实约束下可以被审计、修正、更新或评估的模型行为。
研究背景编辑
可信 AI 涵盖 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。这些问题的共同点是：可靠性不仅取决于训练所得模型，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编辑
乔鑫宝的相关研究涉及多个方面：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；获 NeurIPS 2026 录用的《Illusory Pattern Perception Drives Spurious Inference in Large Language Models》研究从随机、无关或不足的证据中作出无依据关系推断的风险；AI 与网络项目研究通信约束下可靠性和效率如何变化。