Buchumschlag

Echoes of AI Harms: A Human-LLM Synergistic Framework for Bias-Driven Harm Anticipation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tantalaki, Nicoleta, Vei, Sophia, Vakali, Athena
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computers and Society Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Rolling in the deep of cognitive and AI biases
von: Tantalaki, Nicoleta, et al.
Veröffentlicht: (2024)

FAIRTOPIA: Envisioning Multi-Agent Guardianship for Disrupting Unfair AI Pipelines
von: Vakali, Athena, et al.
Veröffentlicht: (2025)

Particip-AI: A Democratic Surveying Framework for Anticipating Future AI Use Cases, Harms and Benefits
von: Mun, Jimin, et al.
Veröffentlicht: (2024)

PluriHarms: Benchmarking the Full Spectrum of Human Judgments on AI Harm
von: Li, Jing-Jing, et al.
Veröffentlicht: (2026)

Evaluating Human-AI Safety: A Framework for Measuring Harmful Capability Uplift
von: Vaccaro, Michelle, et al.
Veröffentlicht: (2026)

AI Harmonics: a human-centric and harms severity-adaptive AI risk assessment framework
von: Vei, Sofia, et al.
Veröffentlicht: (2025)

Harm in AI-Driven Societies: An Audit of Toxicity Adoption on Chirper.ai
von: Coppolillo, Erica, et al.
Veröffentlicht: (2026)

First, Do No Harm (With LLMs): Mitigating Racial Bias via Agentic Workflows
von: Xing, Sihao, et al.
Veröffentlicht: (2026)

Uncovering Bias in Foundation Models: Impact, Testing, Harm, and Mitigation
von: Sun, Shuzhou, et al.
Veröffentlicht: (2025)

Unbounded Harms, Bounded Law: Liability in the Age of Borderless AI
von: Tran, Ha-Chi
Veröffentlicht: (2026)

A Collaborative, Human-Centred Taxonomy of AI, Algorithmic, and Automation Harms
von: Abercrombie, Gavin, et al.
Veröffentlicht: (2024)

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

Evaluating Language Models for Harmful Manipulation
von: Akbulut, Canfer, et al.
Veröffentlicht: (2026)

Measuring Machine Learning Harms from Stereotypes Requires Understanding Who Is Harmed by Which Errors in What Ways
von: Wang, Angelina, et al.
Veröffentlicht: (2024)

From Future of Work to Future of Workers: Addressing Asymptomatic AI Harms for Dignified Human-AI Interaction
von: Ehsan, Upol, et al.
Veröffentlicht: (2026)

AI Generated Child Sexual Abuse Material -- What's the Harm?
von: Ciardha, Caoilte Ó, et al.
Veröffentlicht: (2025)

Survival at Any Cost? LLMs and the Choice Between Self-Preservation and Human Harm
von: Mohamadi, Alireza, et al.
Veröffentlicht: (2025)

The AI Model Risk Catalog: What Developers and Researchers Miss About Real-World AI Harms
von: Rao, Pooja S. B., et al.
Veröffentlicht: (2025)

Mind the XAI Gap: A Human-Centered LLM Framework for Democratizing Explainable AI
von: Paraschou, Eva, et al.
Veröffentlicht: (2025)

Harm Amplification in Text-to-Image Models
von: Hao, Susan, et al.
Veröffentlicht: (2024)

Harmful YouTube Video Detection: A Taxonomy of Online Harm and MLLMs as Alternative Annotators
von: Jo, Claire Wonjeong, et al.
Veröffentlicht: (2024)

Surveys Considered Harmful? Reflecting on the Use of Surveys in AI Research, Development, and Governance
von: Tahaei, Mohammmad, et al.
Veröffentlicht: (2024)

From Melting Pots to Misrepresentations: Exploring Harms in Generative AI
von: Gautam, Sanjana, et al.
Veröffentlicht: (2024)

Harmful Suicide Content Detection
von: Park, Kyumin, et al.
Veröffentlicht: (2024)

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

"They are uncultured": Unveiling Covert Harms and Social Threats in LLM Generated Conversations
von: Dammu, Preetam Prabhu Srikar, et al.
Veröffentlicht: (2024)

AI Meets the Classroom: When Do Large Language Models Harm Learning?
von: Lehmann, Matthias, et al.
Veröffentlicht: (2024)

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

Red Lines and Grey Zones in the Fog of War: Benchmarking Legal Risk, Moral Harm, and Regional Bias in Large Language Model Military Decision-Making
von: Drinkall, Toby
Veröffentlicht: (2025)

Risk-Adjusted Harm Scoring for Automated Red Teaming for LLMs in Financial Services
von: Dimino, Fabrizio, et al.
Veröffentlicht: (2026)

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

Minion: A Technology Probe to Explore How Users Negotiate Harmful Value Conflicts with AI Companions
von: Fan, Xianzhe, et al.
Veröffentlicht: (2024)

Recognising, Anticipating, and Mitigating LLM Pollution of Online Behavioural Research
von: Rilla, Raluca, et al.
Veröffentlicht: (2025)

Accommodation and Epistemic Vigilance: A Pragmatic Account of Why LLMs Fail to Challenge Harmful Beliefs
von: Cheng, Myra, et al.
Veröffentlicht: (2026)

Echoes of Power: Investigating Geopolitical Bias in US and China Large Language Models
von: Pacheco, Andre G. C., et al.
Veröffentlicht: (2025)

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

Laissez-Faire Harms: Algorithmic Biases in Generative Language Models
von: Shieh, Evan, et al.
Veröffentlicht: (2024)

AI Consciousness and Public Perceptions: Four Futures
von: Fernandez, Ines, et al.
Veröffentlicht: (2024)

Equity Bias: An Ethical Framework for AI Design
von: Lockwood, Mary
Veröffentlicht: (2026)

RealHarm: A Collection of Real-World Language Model Application Failures
von: Jeune, Pierre Le, et al.
Veröffentlicht: (2025)