Buchumschlag

The 2025 Foundation Model Transparency Index

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wan, Alexander, Klyman, Kevin, Kapoor, Sayash, Maslej, Nestor, Longpre, Shayne, Xiong, Betty, Liang, Percy, Bommasani, Rishi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Computers and Society Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

On the Societal Impact of Open Foundation Models
von: Kapoor, Sayash, et al.
Veröffentlicht: (2024)

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

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

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

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

The Responsible Foundation Model Development Cheatsheet: A Review of Tools & Resources
von: Longpre, Shayne, et al.
Veröffentlicht: (2024)

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

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

Acceptable Use Policies for Foundation Models
von: Klyman, Kevin
Veröffentlicht: (2024)

AI-Powered Autonomous Weapons Risk Geopolitical Instability and Threaten AI Research
von: Simmons-Edler, Riley, et al.
Veröffentlicht: (2024)

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

Promises and pitfalls of artificial intelligence for legal applications
von: Kapoor, Sayash, et al.
Veröffentlicht: (2024)

Towards a Science of AI Agent Reliability
von: Rabanser, Stephan, et al.
Veröffentlicht: (2026)

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

The Limits of Inference Scaling Through Resampling
von: Stroebl, Benedikt, et al.
Veröffentlicht: (2024)

A Safe Harbor for AI Evaluation and Red Teaming
von: Longpre, Shayne, et al.
Veröffentlicht: (2024)

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

AI Risk Categorization Decoded (AIR 2024): From Government Regulations to Corporate Policies
von: Zeng, Yi, et al.
Veröffentlicht: (2024)

New Tools are Needed for Tracking Adherence to AI Model Behavioral Use Clauses
von: McDuff, Daniel, et al.
Veröffentlicht: (2025)

Effective Mitigations for Systemic Risks from General-Purpose AI
von: Uuk, Risto, et al.
Veröffentlicht: (2024)

Economies of Open Intelligence: Tracing Power & Participation in the Model Ecosystem
von: Longpre, Shayne, et al.
Veröffentlicht: (2025)

Data Authenticity, Consent, & Provenance for AI are all broken: what will it take to fix them?
von: Longpre, Shayne, et al.
Veröffentlicht: (2024)

The Global AI Vibrancy Tool
von: Fattorini, Loredana, et al.
Veröffentlicht: (2024)

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

Future and AI-Ready Data Strategies: Response to DOC RFI on AI and Open Government Data Assets
von: Oderinwale, Hamidah, et al.
Veröffentlicht: (2024)

User Privacy and Large Language Models: An Analysis of Frontier Developers' Privacy Policies
von: King, Jennifer, et al.
Veröffentlicht: (2025)

AI Agents That Matter
von: Kapoor, Sayash, et al.
Veröffentlicht: (2024)

The Leaderboard Illusion
von: Singh, Shivalika, et al.
Veröffentlicht: (2025)

Towards Urban General Intelligence: A Review and Outlook of Urban Foundation Models
von: Zhang, Weijia, et al.
Veröffentlicht: (2024)

AIR-Bench 2024: A Safety Benchmark Based on Risk Categories from Regulations and Policies
von: Zeng, Yi, et al.
Veröffentlicht: (2024)

Transparent AI: The Case for Interpretability and Explainability
von: Ramachandram, Dhanesh, et al.
Veröffentlicht: (2025)

On Catastrophic Inheritance of Large Foundation Models
von: Chen, Hao, et al.
Veröffentlicht: (2024)

The 2025 AI Agent Index: Documenting Technical and Safety Features of Deployed Agentic AI Systems
von: Staufer, Leon, et al.
Veröffentlicht: (2026)

Exam Readiness Index (ERI): A Theoretical Framework for a Composite, Explainable Index
von: Verma, Ananda Prakash
Veröffentlicht: (2025)

Training Foundation Models as Data Compression: On Information, Model Weights and Copyright Law
von: Franceschelli, Giorgio, et al.
Veröffentlicht: (2024)

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

International AI Safety Report
von: Bengio, Yoshua, et al.
Veröffentlicht: (2025)

AI and Generative AI Transforming Disaster Management: A Survey of Damage Assessment and Response Techniques
von: Raj, Aman, et al.
Veröffentlicht: (2025)