Buchumschlag

Building Trust: Foundations of Security, Safety and Transparency in AI

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sidhpurwala, Huzaifa, Mollett, Garth, Fox, Emily, Bestavros, Mark, Chen, Huamin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computers and Society Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Blueprints of Trust: AI System Cards for End to End Transparency and Governance
von: Sidhpurwala, Huzaifa, et al.
Veröffentlicht: (2025)

Building trust: Foundations of security, safety, and transparency in AI
von: Huzaifa Sidhpurwala, et al.
Veröffentlicht: (2025)

Ensuring Safety and Trust: Analyzing the Risks of Large Language Models in Medicine
von: Yang, Yifan, et al.
Veröffentlicht: (2024)

The Homogenization Problem in LLMs: Towards Meaningful Diversity in AI Safety
von: Rios-Sialer, Ian
Veröffentlicht: (2026)

Policy Frameworks for Transparent Chain-of-Thought Reasoning in Large Language Models
von: Chen, Yihang, et al.
Veröffentlicht: (2025)

From Black-Box Confidence to Measurable Trust in Clinical AI: A Framework for Evidence, Supervision, and Staged Autonomy
von: Zabolotnii, Serhii, et al.
Veröffentlicht: (2026)

Balancing Safety and Helpfulness in Healthcare AI Assistants through Iterative Preference Alignment
von: Nghiem, Huy, et al.
Veröffentlicht: (2025)

Foundational Challenges in Assuring Alignment and Safety of Large Language Models
von: Anwar, Usman, et al.
Veröffentlicht: (2024)

AI-Assisted Systematization for Evaluating GenAI Systems
von: Agarwal, Dhruv, et al.
Veröffentlicht: (2026)

Security Challenges in AI Agent Deployment: Insights from a Large Scale Public Competition
von: Zou, Andy, et al.
Veröffentlicht: (2025)

Designing Explainable AI for Healthcare Reviews: Guidance on Adoption and Trust
von: Alamoudi, Eman, et al.
Veröffentlicht: (2026)

Safetywashing: Do AI Safety Benchmarks Actually Measure Safety Progress?
von: Ren, Richard, et al.
Veröffentlicht: (2024)

Mitigating Gambling-Like Risk-Taking Behaviors in Large Language Models: A Behavioral Economics Approach to AI Safety
von: Du, Y.
Veröffentlicht: (2025)

ROK-FORTRESS: Measuring the Effect of Geopolitical Transcreation for National Security and Public Safety
von: Lee, Michael S., et al.
Veröffentlicht: (2026)

ML-EAT: A Multilevel Embedding Association Test for Interpretable and Transparent Social Science
von: Wolfe, Robert, et al.
Veröffentlicht: (2024)

Punctuated Equilibria in Artificial Intelligence: The Institutional Scaling Law and the Speciation of Sovereign AI
von: Baciak, Mark, et al.
Veröffentlicht: (2026)

Questionnaire Responses Do not Capture the Safety of AI Agents
von: Hellrigel-Holderbaum, Max, et al.
Veröffentlicht: (2026)

Medical Hallucinations in Foundation Models and Their Impact on Healthcare
von: Kim, Yubin, et al.
Veröffentlicht: (2025)

AI-Driven Automation Can Become the Foundation of Next-Era Science of Science Research
von: Chen, Renqi, et al.
Veröffentlicht: (2025)

Evaluating Psychological Safety of Large Language Models
von: Li, Xingxuan, et al.
Veröffentlicht: (2022)

Evaluating Patient Safety Risks in Generative AI: Development and Validation of a FMECA Framework for Generated Clinical Content
von: Bednarczyk, Lydie, et al.
Veröffentlicht: (2026)

Affective Computing Has Changed: The Foundation Model Disruption
von: Schuller, Björn, et al.
Veröffentlicht: (2024)

Building Effective Safety Guardrails in AI Education Tools
von: Clark, Hannah-Beth, et al.
Veröffentlicht: (2025)

Position: The Current AI Conference Model is Unsustainable! Diagnosing the Crisis of Centralized AI Conference
von: Chen, Nuo, et al.
Veröffentlicht: (2025)

Personal Care Utility (PCU): Building the Health Infrastructure for Everyday Insight and Guidance
von: Abbasian, Mahyar, et al.
Veröffentlicht: (2025)

AI Safety Should Prioritize the Future of Work
von: Hazra, Sanchaita, et al.
Veröffentlicht: (2025)

CR4T: Rewrite-Based Guardrails for Adolescent LLM Safety
von: An, Heajun, et al.
Veröffentlicht: (2026)

Safety Evaluation and Enhancement of DeepSeek Models in Chinese Contexts
von: Zhang, Wenjing, et al.
Veröffentlicht: (2025)

Representation Engineering: A Top-Down Approach to AI Transparency
von: Zou, Andy, et al.
Veröffentlicht: (2023)

TherapyGym: Evaluating and Aligning Clinical Fidelity and Safety in Therapy Chatbots
von: Huang, Fangrui, et al.
Veröffentlicht: (2026)

Conversational Agents for Building Energy Efficiency -- Advising Housing Cooperatives in Stockholm on Reducing Energy Consumption
von: Ghani, Shadaab, et al.
Veröffentlicht: (2025)

IatroBench: Pre-Registered Evidence of Iatrogenic Harm from AI Safety Measures
von: Gringras, David
Veröffentlicht: (2026)

From Hard Refusals to Safe-Completions: Toward Output-Centric Safety Training
von: Yuan, Yuan, et al.
Veröffentlicht: (2025)

The global landscape of academic guidelines for generative AI and Large Language Models
von: Jiao, Junfeng, et al.
Veröffentlicht: (2024)

Impacts of Racial Bias in Historical Training Data for News AI
von: Bhargava, Rahul, et al.
Veröffentlicht: (2025)

AI Awareness
von: Li, Xiaojian, et al.
Veröffentlicht: (2025)

Unmasking the Canvas: A Dynamic Benchmark for Image Generation Jailbreaking and LLM Content Safety
von: Nair, Variath Madhupal Gautham, et al.
Veröffentlicht: (2025)

Can LLMs Estimate Student Struggles? Human-AI Difficulty Alignment with Proficiency Simulation for Item Difficulty Prediction
von: Li, Ming, et al.
Veröffentlicht: (2025)

Intelligent Tutor: Leveraging ChatGPT and Microsoft Copilot Studio to Deliver a Generative AI Student Support and Feedback System within Teams
von: Chen, Wei-Yu
Veröffentlicht: (2024)

The Pitfalls of "Security by Obscurity" And What They Mean for Transparent AI
von: Hall, Peter, et al.
Veröffentlicht: (2025)