Buchumschlag

Standardizing Intelligence: Aligning Generative AI for Regulatory and Operational Compliance

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Imperial, Joseph Marvin, Jones, Matthew D., Madabushi, Harish Tayyar
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computers and Society Artificial Intelligence Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Safer Policy Compliance with Dynamic Epistemic Fallback
von: Imperial, Joseph Marvin, et al.
Veröffentlicht: (2026)

Scaling Policy Compliance Assessment in Language Models with Policy Reasoning Traces
von: Imperial, Joseph Marvin, et al.
Veröffentlicht: (2025)

Standardize: Aligning Language Models with Expert-Defined Standards for Content Generation
von: Imperial, Joseph Marvin, et al.
Veröffentlicht: (2024)

SpeciaLex: A Benchmark for In-Context Specialized Lexicon Learning
von: Imperial, Joseph Marvin, et al.
Veröffentlicht: (2024)

The Compliance Gap: Why AI Systems Promise to Follow Process Instructions but Don't
von: Shin, Kwan Soo
Veröffentlicht: (2026)

Beyond Accuracy: Rethinking Hallucination and Regulatory Response in Generative AI
von: Li, Zihao, et al.
Veröffentlicht: (2025)

FS-RAG: A Frame Semantics Based Approach for Improved Factual Accuracy in Large Language Models
von: Madabushi, Harish Tayyar
Veröffentlicht: (2024)

DualAlign: Generating Clinically Grounded Synthetic Data
von: Li, Rumeng, et al.
Veröffentlicht: (2025)

Adapting Whisper for Regional Dialects: Enhancing Public Services for Vulnerable Populations in the United Kingdom
von: Torgbi, Melissa, et al.
Veröffentlicht: (2025)

SUV: Scalable Large Language Model Copyright Compliance with Regularized Selective Unlearning
von: Xu, Tianyang, et al.
Veröffentlicht: (2025)

Explainable Artificial Intelligence: A Survey of Needs, Techniques, Applications, and Future Direction
von: Mersha, Melkamu, et al.
Veröffentlicht: (2024)

Illusion or Algorithm? Investigating Memorization, Emergence, and Symbolic Processing in In-Context Learning
von: Niu, Jingcheng, et al.
Veröffentlicht: (2025)

M-CARE: Standardized Clinical Case Reporting for AI Model Behavioral Disorders, with a 20-Case Atlas and Experimental Validation
von: Jeong, Jihoon
Veröffentlicht: (2026)

COMPL-AI Framework: A Technical Interpretation and LLM Benchmarking Suite for the EU Artificial Intelligence Act
von: Guldimann, Philipp, et al.
Veröffentlicht: (2024)

Unintended Harms of Value-Aligned LLMs: Psychological and Empirical Insights
von: Choi, Sooyung, et al.
Veröffentlicht: (2025)

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

Prompt-Counterfactual Explanations for Generative AI System Behavior
von: Goethals, Sofie, et al.
Veröffentlicht: (2026)

Fairer Preferences Elicit Improved Human-Aligned Large Language Model Judgments
von: Zhou, Han, et al.
Veröffentlicht: (2024)

KASER: Knowledge-Aligned Student Error Simulator for Open-Ended Coding Tasks
von: Duan, Zhangqi, et al.
Veröffentlicht: (2026)

GreedLlama: Performance of Financial Value-Aligned Large Language Models in Moral Reasoning
von: Yu, Jeffy, et al.
Veröffentlicht: (2024)

IoT-Based Preventive Mental Health Using Knowledge Graphs and Standards for Better Well-Being
von: Gyrard, Amelie, et al.
Veröffentlicht: (2024)

Beyond Memorization: Assessing Semantic Generalization in Large Language Models Using Phrasal Constructions
von: Scivetti, Wesley, et al.
Veröffentlicht: (2025)

Towards Automated Regulatory Compliance Verification in Financial Auditing with Large Language Models
von: Berger, Armin, et al.
Veröffentlicht: (2025)

Integrating LSTM and BERT for Long-Sequence Data Analysis in Intelligent Tutoring Systems
von: Li, Zhaoxing, et al.
Veröffentlicht: (2024)

AI-AI Bias: large language models favor communications generated by large language models
von: Laurito, Walter, et al.
Veröffentlicht: (2024)

How malicious AI swarms can threaten democracy: The fusion of agentic AI and LLMs marks a new frontier in information warfare
von: Schroeder, Daniel Thilo, et al.
Veröffentlicht: (2025)

Know Thyself? On the Incapability and Implications of AI Self-Recognition
von: Bai, Xiaoyan, et al.
Veröffentlicht: (2025)

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

Managing extreme AI risks amid rapid progress
von: Bengio, Yoshua, et al.
Veröffentlicht: (2023)

Risks of AI Scientists: Prioritizing Safeguarding Over Autonomy
von: Tang, Xiangru, et al.
Veröffentlicht: (2024)

The MASK Benchmark: Disentangling Honesty From Accuracy in AI Systems
von: Ren, Richard, et al.
Veröffentlicht: (2025)

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

AI Sandbagging: Language Models can Strategically Underperform on Evaluations
von: van der Weij, Teun, et al.
Veröffentlicht: (2024)

Generative AI Security: Challenges and Countermeasures
von: Zhu, Banghua, et al.
Veröffentlicht: (2024)

Vision Paper: Designing Graph Neural Networks in Compliance with the European Artificial Intelligence Act
von: Hoffmann, Barbara, et al.
Veröffentlicht: (2024)

AI-University: An LLM-based platform for instructional alignment to scientific classrooms
von: Shojaei, Mostafa Faghih, et al.
Veröffentlicht: (2025)

AI-Augmented Predictions: LLM Assistants Improve Human Forecasting Accuracy
von: Schoenegger, Philipp, et al.
Veröffentlicht: (2024)

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

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

Frontier AI systems have surpassed the self-replicating red line
von: Pan, Xudong, et al.
Veröffentlicht: (2024)