[26] Jiahao Yu、Xingwei Lin 和 Xinyu Xing。Gptfuzzer:使用自动生成的越狱提示对大型语言模型进行红队测试。arXiv 预印本 arXiv:2309.10253,2023 年。[27] Liangming Pan、Michael Saxon、Wenda Xu、Deepak Nathani、Xinyi Wang 和 William Yang Wang。自动纠正大型语言模型:调查各种自我纠正策略的概况。arXiv 预印本 arXiv:2308.03188,2023 年。[28] Susmit Jha、Sumit Kumar Jha、Patrick Lincoln、Nathaniel D Bastian、Alvaro Velasquez 和 Sandeep Neema。使用形式化方法引导的迭代提示消除大型语言模型的幻觉。2023 年 IEEE 国际保证自主会议 (ICAA),第 149-152 页。 IEEE,2023 年。[29] Jacob Menick、Maja Trebacz、Vladimir Mikulik、John Aslanides、Francis Song、Martin Chadwick、Mia Glaese、Susannah Young、Lucy Campbell-Gillingham、Geoffrey Irving 等人。教授语言模型以支持带有经过验证的引文的答案。arXiv 预印本 arXiv:2203.11147,2022 年。[30] Advait Sarkar。计算机应该易于使用吗?质疑用户界面设计的简单性原则。在 2023 年 CHI 计算机系统人为因素会议的扩展摘要中,第 1-10 页,2023 年。[31] Haiyan Zhao、Hanjie Chen、Fan Yang、Ninghao Liu、Huiqi Deng、Hengyi Cai、Shuaiqiang Wang、Dawei Yin 和 Mengnan Du。大型语言模型的可解释性:一项调查。 arXiv preprint arXiv:2309.01029,2023 年。[32] Todd Kulesza、Simone Stumpf、Margaret Burnett、Sherry Yang、Irwin Kwan 和 Weng-Keen Wong。过多、过少还是恰到好处?解释如何影响最终用户的心智模型。2013 年 IEEE 视觉语言和以人为本的计算研讨会,第 3-10 页。IEEE,2013 年。[33] Elaine Simpson RN 和 Mary Courtney RN。护理教育中的批判性思维:文献综述。国际护理实践杂志,8(2):89–98,2002 年。[34] Robert J Sternberg 和 Diane F Halpern。心理学中的批判性思维。剑桥大学出版社,2020 年。
• 清晰的流程:建立透明且定义明确的流程来评估和选择人工智能工具,确保在各个级别的员工之间进行清晰的沟通。 • 负责任的人工智能整合:将人工智能相关主题融入课堂学习体验,帮助学生了解这项技术、其能力及其伦理影响。 • 批判性思维:促进课堂上关于人工智能的批判性思维和伦理讨论,鼓励学生探索与人工智能技术相关的更广泛的社会影响和伦理考虑。 • 与家长的透明沟通:让家长和监护人了解人工智能在课堂上的使用情况、其目的以及它可能如何有益于孩子的教育,并鼓励他们参与有关人工智能在 K-12 教育中的作用的讨论。 • 教育中的道德人工智能整合:鼓励选择符合既定教育伦理的人工智能工具和内容,确保它们坚持和促进优先考虑学生最大利益的教学实践。 • 减少偏见和包容性:确认您打算使用的 AI 工具已经过人工审查,以防出现潜在偏见;审查每种工具的训练数据、产生幻觉的倾向、越狱敏感性以及 K-12 设计考虑因素,以避免歧视并促进包容性。 • 持续学习和改进:继续了解 AI 在 K-12 课堂中的影响和使用情况,以不断提高该技术的有效性和道德使用。 • 开放反馈和适应:营造一个开放的环境,以便学生、教师、学校领导、教育合作伙伴、支持人员、家长和护理人员反馈意见。开放性对于根据不断变化的道德标准和教育需求调整 AI 实施至关重要,确保 AI 在教育环境中动态且响应迅速地整合。 • 同意:确保以需要适当知情同意的方式使用 AI 工具。例如,如果使用 AI 工具自动进行转录,则应提供知情同意。 • 人类参与:通过认真的人类监督,将人类体验置于人工智能工具采用的核心,从而保持以人为中心的学习体验。• 文化考虑:在教育领域采用人工智能工具时,承认并解决文化多样性和敏感性问题,确保技术符合当地社区的各种文化观点和价值观,从而确保包容性的学习环境。
作家,标题,出版会议会议剧集Yuxin(Myles)Liu,Zhihao Yao,Mingyi Chen,Ardalan Amiri Sani,Sharad Agarwal,Gene Tsudik:ProvCAM:Provcam:一个带有用于生成可验证视频的自包的相机模块。Mobicom 2024:588-602,11月18日至22日,2024年,华盛顿特区,华盛顿特区,美国Yunpeng Xing,Chaoyi Lu,Baojun Liu,Haixin Duan,Haixin Duan,Junzhe Sun,Zhou Li:昨天再多一次:全球互联网流量阴影行为。IMC 2024:230-240,11月4-6日,2024年,马德里,西班牙Danyu Sun,Joann Qiongna Chen,Chen Gong,Tianhao Wang,Zhou li:NetDPSyn:NetDPSyn:合成网络痕迹在不同的私有私有处。IMC 2024:545-554,11月4日至6日,2024年,马德里,西班牙,莫哈纳德·奥德玛,卢克·陈,卢克·陈,福克翁·夸恩,穆罕默德·阿卜杜拉·法鲁克(Mohammad Abdullah al Faruque):疤痕:安排多模式AI工作量的多型Modeen ai Modogene Modogene ai Modogenoge son On Meterogeens Multi-Chiplet-Chiplet Mochiplet Module apcelerersorsersersorsersersorsersersorsers。Micro 2024:565-579,11月2-6日,2024年,美国德克萨斯州奥斯汀市,美国Ajan Subramanian,Zhongqi Yang,Iman Azimi,Amir M. Rahmani:Amir M. Rahmani:图形授权的LLMS,用于个性化的健康洞察:睡眠分析中的案例研究。BSN 2024:1-4,10月15日至17日,2024年,芝加哥,伊利诺伊州Ziyu Wang,Anil Kanduri,Seyed Amir Hossein Aqajari,Salar Jafarlo,Salar Jafarlou,Sanaz R. Mousavi现实世界中的心电图数据集。BSN 2024:1-4,10月15日至17日,2024年,芝加哥,伊利诺明,Yuning Wang,Yunqi Yang,Zhongqi Yang,Iman Azimi,Amir M. Rahmani,Pasi Liljeberg:注意力集中的AI可解释的AI可解释的AI,可用于磨损的多变量数据:对影响状态的案例研究。SPAWC 2024:476-480,9月10日至13日,2024年,意大利卢卡bsn 2024:1-4,10月15日至17日,2024年,芝加哥,伊利诺伊州,美国迪伦·李,shaoyuan xie,Shagoto Rahman,Kenneth Pat,Qi Alfred Chen:“ Progpterities:“ Prompterities'':一种语言学的方法,可以理解和捕捉对大型模型的越狱攻击lamps@ccs 2024:77-87,10月14日至87日,2024年,盐湖城,盐湖城,犹他州,美国哈米德雷扎·阿里坎,阿尼尔·坎杜里,帕西·莉耶伯格,阿米尔·M·拉赫曼尼,尼基尔·杜特:代码+ISS 2024:6,9月29日 - 2024年10月4日,北卡罗来纳州罗利市,美国林林,Esmeerald Aliaj,Sang-woo Jun:Morbius:Morbius:平台自动适应性硬件硬件硬件用于发现scabalerator的发现e-Science 2024:1-10,9月16-20日,2024年,大阪,日本Yuxiang Liu,Osama Amin,Noha Alharthi,Jafar M.SM 2024:73-80,9月16日至80日,2024年,尼亚加拉瀑布(Niagara Falls),cana-da Chakshu Moar,Faraz Tahmasebi,Michael Pellauer,Hyoukjun Kwon:表征了语言模型中低级分解的准确性效率 - 效率 - 效率交易。ISWC 2024:194-209,9月15日至17日,2024年,卑诗省温哥华,加拿大,艾哈迈德·埃尔比尔,库玛·维杰·米什拉,阿卜杜勒卡迪尔·塞利克,艾哈迈德·埃尔塔维尔:无细胞的综合感应和与混合光束的综合感应和社区伴侣ISWC 2024:194-209,9月15日至17日,2024年,卑诗省温哥华,加拿大,艾哈迈德·埃尔比尔,库玛·维杰·米什拉,阿卜杜勒卡迪尔·塞利克,艾哈迈德·埃尔塔维尔:无细胞的综合感应和与混合光束的综合感应和社区伴侣