Buchumschlag

Trustworthiness in Stochastic Systems: Towards Opening the Black Box

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chien, Jennifer, Danks, David
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beyond Behaviorist Representational Harms: A Plan for Measurement and Mitigation
von: Chien, Jennifer, et al.
Veröffentlicht: (2024)

Commercial AI, Conflict, and Moral Responsibility: A theoretical analysis and practical approach to the moral responsibilities associated with dual-use AI technology
von: Trusilo, Daniel, et al.
Veröffentlicht: (2024)

Application of the NIST AI Risk Management Framework to Surveillance Technology
von: Swaminathan, Nandhini, et al.
Veröffentlicht: (2024)

Addressing the Unforeseen Harms of Technology CCC Whitepaper
von: Bliss, Nadya, et al.
Veröffentlicht: (2024)

AI, Pluralism, and (Social) Compensation
von: Swaminathan, Nandhini, et al.
Veröffentlicht: (2024)

Future of Pandemic Prevention and Response CCC Workshop Report
von: Danks, David, et al.
Veröffentlicht: (2024)

Mysterious and Manipulative Black Boxes: A Qualitative Analysis of Perceptions on Recommender Systems
von: Ruohonen, Jukka
Veröffentlicht: (2023)

RE-centric Recommendations for the Development of Trustworthy(er) Autonomous Systems
von: Ronanki, Krishna, et al.
Veröffentlicht: (2023)

Reinforcing Trustworthiness in Multimodal Emotional Support Systems
von: Le, Huy M., et al.
Veröffentlicht: (2025)

Turning Language Model Training from Black Box into a Sandbox
von: Pope, Nicolas, et al.
Veröffentlicht: (2026)

Trustworthy human-centric based Automated Decision-Making Systems
von: Cabrera, Marcelino, et al.
Veröffentlicht: (2023)

Navigating the sociotechnical labyrinth: Dynamic certification for responsible embodied AI
von: Bakirtzis, Georgios, et al.
Veröffentlicht: (2024)

Enabling the AI Revolution in Healthcare
von: Singh, Mona, et al.
Veröffentlicht: (2025)

Black-Box Access is Insufficient for Rigorous AI Audits
von: Casper, Stephen, et al.
Veröffentlicht: (2024)

Decoding the Black Box: Discerning AI Rhetorics About and Through Poetic Prompting
von: Edgar, P. D., et al.
Veröffentlicht: (2025)

Brokerage in the Black Box: Swing States, Strategic Ambiguity, and the Global Politics of AI Governance
von: Tran, Ha-Chi
Veröffentlicht: (2026)

Towards Trustworthy AI: Characterizing User-Reported Risks across LLMs "In the Wild"
von: Li, Lingyao, et al.
Veröffentlicht: (2025)

Audit Me If You Can: Query-Efficient Active Fairness Auditing of Black-Box LLMs
von: Hartmann, David, et al.
Veröffentlicht: (2026)

Opening Knowledge Gaps Drives Scientific Progress
von: Kedrick, Kara, et al.
Veröffentlicht: (2025)

Text Corpora as Concept Fields: Black-Box Hallucination and Novelty Measurement
von: Kersting, Nicholas S., et al.
Veröffentlicht: (2026)

Towards Trustworthy AI: A Review of Ethical and Robust Large Language Models
von: Ferdaus, Md Meftahul, et al.
Veröffentlicht: (2024)

How to Assess Trustworthy AI in Practice
von: Zicari, Roberto V., et al.
Veröffentlicht: (2022)

Trust or Bust: Ensuring Trustworthiness in Autonomous Weapon Systems
von: Cools, Kasper, et al.
Veröffentlicht: (2024)

Inside the Black Box: Detecting and Mitigating Algorithmic Bias across Racialized Groups in College Student-Success Prediction
von: Gándara, Denisa, et al.
Veröffentlicht: (2023)

All in How You Ask for It: Simple Black-Box Method for Jailbreak Attacks
von: Takemoto, Kazuhiro
Veröffentlicht: (2024)

Assessing the Sustainability and Trustworthiness of Federated Learning Models
von: Feng, Chao, et al.
Veröffentlicht: (2023)

Towards AI-$45^{\circ}$ Law: A Roadmap to Trustworthy AGI
von: Yang, Chao, et al.
Veröffentlicht: (2024)

Leveraging Imperfect Sources to Detect Fairwashing in Black-Box Auditing
von: Bourrée, Jade Garcia, et al.
Veröffentlicht: (2023)

Unlocking the Black Box: Analysing the EU Artificial Intelligence Act's Framework for Explainability in AI
von: Pavlidis, Georgios
Veröffentlicht: (2025)

Toward Safe and Responsible AI Agents: A Three-Pillar Model for Transparency, Accountability, and Trustworthiness
von: Cheng, Edward C., et al.
Veröffentlicht: (2026)

First Analysis of the EU Artifical Intelligence Act: Towards a Global Standard for Trustworthy AI?
von: Ho-Dac, Marion
Veröffentlicht: (2024)

Trustworthy AI Posture (TAIP): A Framework for Continuous AI Assurance of Agentic Systems at Horizontal and Vertical scale
von: Lupo, Guy, et al.
Veröffentlicht: (2026)

A Trustworthiness-based Metaphysics of Artificial Intelligence Systems
von: Ferrario, Andrea
Veröffentlicht: (2025)

On the Trustworthiness of Generative Foundation Models: Guideline, Assessment, and Perspective
von: Huang, Yue, et al.
Veröffentlicht: (2025)

The Trust Calibration Maturity Model for Characterizing and Communicating Trustworthiness of AI Systems
von: Steinmetz, Scott T, et al.
Veröffentlicht: (2025)

Conceptualizing Trustworthiness and Trust in Communications
von: Fettweis, Gerhard P., et al.
Veröffentlicht: (2024)

Visible, Trackable, Forkable: Opening the Process of Science
von: Samsonau, Sergey V.
Veröffentlicht: (2026)

Bridging Ethical Principles and Algorithmic Methods: An Alternative Approach for Assessing Trustworthiness in AI Systems
von: Papademas, Michael, et al.
Veröffentlicht: (2025)

White-Box Sensitivity Auditing with Steering Vectors
von: Cyberey, Hannah, et al.
Veröffentlicht: (2026)

Group Fairness Meets the Black Box: Enabling Fair Algorithms on Closed LLMs via Post-Processing
von: Xian, Ruicheng, et al.
Veröffentlicht: (2025)