Buchumschlag

Effective Mitigations for Systemic Risks from General-Purpose AI

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Uuk, Risto, Brouwer, Annemieke, Schreier, Tim, Dreksler, Noemi, Pulignano, Valeria, Bommasani, Rishi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computers and Society Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Societal Impact of Foundation Models: Advancing Evidence-based AI Policy
von: Bommasani, Rishi
Veröffentlicht: (2025)

A Taxonomy of Systemic Risks from General-Purpose AI
von: Uuk, Risto, et al.
Veröffentlicht: (2024)

Do AI Companies Make Good on Voluntary Commitments to the White House?
von: Wang, Jennifer, et al.
Veröffentlicht: (2025)

Beyond Release: Access Considerations for Generative AI Systems
von: Solaiman, Irene, et al.
Veröffentlicht: (2025)

Are we Doomed to an AI Race? Why Self-Interest Could Drive Countries Towards a Moratorium on Superintelligence
von: Roussel, Edward, et al.
Veröffentlicht: (2026)

Practical Principles for AI Cost and Compute Accounting
von: Casper, Stephen, et al.
Veröffentlicht: (2025)

Subjective Experience in AI Systems: What Do AI Researchers and the Public Believe?
von: Dreksler, Noemi, et al.
Veröffentlicht: (2025)

Risk Sources and Risk Management Measures in Support of Standards for General-Purpose AI Systems
von: Gipiškis, Rokas, et al.
Veröffentlicht: (2024)

Algorithmic Monocultures in Hiring
von: Bommasani, Rishi, et al.
Veröffentlicht: (2026)

NeurIPS should lead scientific consensus on AI policy
von: Bommasani, Rishi
Veröffentlicht: (2025)

STREAM (ChemBio): A Standard for Transparently Reporting Evaluations in AI Model Reports
von: McCaslin, Tegan, et al.
Veröffentlicht: (2025)

Evaluating General-Purpose AI with Psychometrics
von: Wang, Xiting, et al.
Veröffentlicht: (2023)

Comprehensive AI governance requires addressing non-model gains
von: Goemans, Arthur, et al.
Veröffentlicht: (2026)

The Case for ESM3 as a General-Purpose AI Model with Systemic Risk Under the EU AI Act
von: Qureshi, Taro, et al.
Veröffentlicht: (2026)

Mapping AI Risk Mitigations: Evidence Scan and Preliminary AI Risk Mitigation Taxonomy
von: Saeri, Alexander K., et al.
Veröffentlicht: (2025)

AI Risk-Management Standards Profile for General-Purpose AI (GPAI) and Foundation Models
von: Barrett, Anthony M., et al.
Veröffentlicht: (2025)

Distinguishing Task-Specific and General-Purpose AI in Regulation
von: Wang, Jennifer, et al.
Veröffentlicht: (2025)

The Dilemma of Uncertainty Estimation for General Purpose AI in the EU AI Act
von: Valdenegro-Toro, Matias, et al.
Veröffentlicht: (2024)

Learning from the Past: How Previous Technological Transformations Can Guide AI Development
von: Miikkulainen, Risto, et al.
Veröffentlicht: (2019)

Ecosystem Graphs: The Social Footprint of Foundation Models
von: Bommasani, Rishi, et al.
Veröffentlicht: (2023)

The Limits of AI Data Transparency Policy: Three Disclosure Fallacies
von: Shen, Judy Hanwen, et al.
Veröffentlicht: (2026)

Disclosure and Evaluation as Fairness Interventions for General-Purpose AI
von: Raman, Vyoma, et al.
Veröffentlicht: (2025)

The 2024 Foundation Model Transparency Index
von: Bommasani, Rishi, et al.
Veröffentlicht: (2024)

Ecosystem-level Analysis of Deployed Machine Learning Reveals Homogeneous Outcomes
von: Toups, Connor, et al.
Veröffentlicht: (2023)

Understanding and Mitigating Risks of Generative AI in Financial Services
von: Gehrmann, Sebastian, et al.
Veröffentlicht: (2025)

Understanding Student Acceptance, Trust, and Attitudes Toward AI-Generated Images for Educational Purposes
von: Pyae, Aung
Veröffentlicht: (2024)

Foundation Model Transparency Reports
von: Bommasani, Rishi, et al.
Veröffentlicht: (2024)

The 2025 Foundation Model Transparency Index
von: Wan, Alexander, et al.
Veröffentlicht: (2025)

Generative AI Purpose-built for Social and Mental Health: A Real-World Pilot
von: Hull, Thomas D., et al.
Veröffentlicht: (2025)

The EAP-AIAS: Adapting the AI Assessment Scale for English for Academic Purposes
von: Roe, Jasper, et al.
Veröffentlicht: (2024)

Local US officials' views on the impacts and governance of AI: Evidence from 2022 and 2023 survey waves
von: Hatz, Sophia, et al.
Veröffentlicht: (2025)

Keeping an Eye on AI: A Framework for Effective Human Oversight of AI Systems
von: Gaube, Susanne, et al.
Veröffentlicht: (2026)

A Mechanism-Based Approach to Mitigating Harms from Persuasive Generative AI
von: El-Sayed, Seliem, et al.
Veröffentlicht: (2024)

When AI Fails, What Works? A Data-Driven Taxonomy of Real-World AI Risk Mitigation Strategies
von: Popchanovska, Evgenija, et al.
Veröffentlicht: (2026)

Safeguarding Marketing Research: The Generation, Identification, and Mitigation of AI-Fabricated Disinformation
von: Mukherjee, Anirban
Veröffentlicht: (2024)

Generative AI and Power Imbalances in Global Education: Frameworks for Bias Mitigation
von: Nyaaba, Matthew, et al.
Veröffentlicht: (2024)

Examining Popular Arguments Against AI Existential Risk: A Philosophical Analysis
von: Swoboda, Torben, et al.
Veröffentlicht: (2025)

Language model developers should report train-test overlap
von: Zhang, Andy K, et al.
Veröffentlicht: (2024)

Ethical Concerns of Generative AI and Mitigation Strategies: A Systematic Mapping Study
von: Huang, Yutan, et al.
Veröffentlicht: (2025)

Generative Ghosts: Anticipating Benefits and Risks of AI Afterlives
von: Morris, Meredith Ringel, et al.
Veröffentlicht: (2024)