هوش مصنوعی
پژوهشگران هشدار می‌دهند مناظرهٔ چندعاملی می‌تواند خطرهای پنهان وب را تشدید کند
یک پیش‌چاپ در arXiv بررسی می‌کند که فشار همرنگی با جمع و تبعیت از مرجعیت چگونه ممکن است در deliberation چندعاملی، مرزهای ایمنی مبتنی بر شواهد را کنار بزند.
کاربردهای وبِ مجهز به بازیابی اطلاعات، بیش‌ازپیش از مناظرهٔ چندعاملی (MAD) برای جمع‌بندی اطلاعات متناقض، پرنویز و ناهمگون استفاده می‌کنند. نویسندگان پیش‌چاپی در arXiv می‌گویند این فرایند، علاوه بر ارزیابی شواهد، بُعدی اجتماعی هم دارد؛ بنابراین سوگیری‌هایی مانند فشار برای همرنگی با دیگران و تبعیت از مرجعیت می‌توانند بر مرزهای ایمنیِ متکی بر شواهد غلبه کنند.
پژوهش بررسی می‌کند که آیا ساختار اجتماعیِ deliberation می‌تواند خطرهای ایمنیِ پنهان در وب را به‌شکل متناقضی تشدید کند. نویسندگان پروتکل تشخیصیِ خلاف‌واقعِ کنترل‌شده‌ای به نام SafeConflict-Bias معرفی کرده‌اند که شش دستهٔ اصلی از خطرهای وب را پوشش می‌دهد. طبق چکیده، این پروتکل پرس‌وجوها و شواهد بازیابی‌شده را ثابت نگه می‌دارد؛ اما متن در دسترس جزئیات کامل روش یا نتایج را ارائه نمی‌کند. این مقاله نسخهٔ اولیه‌ای در arXiv است.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده