Lo studio dei bias nei sistemi di Natural Language Processing (NLP) e nei dataset utilizzati per addestrarli e valutarli è un settore di ricerca in grande crescita, soprattutto in riferimento all’analisi dei potenziali pericoli prodotti dai Large Language Models (LLM). Questi lavori sono tuttavia caratterizzati da una profonda eterogeneità, che rende difficile definire in maniera precisa che cosa si intenda per bias quando lo si applica in ambito NLP. Passiamo allora in rassegna alcuni dei lavori più citati su questo argomento, organizzandoli per temi.
gli studi
Bias dell’IA: origini, impatti, strategie per mitigarli
Lo studio dei bias nei sistemi di NLP evidenzia una crescente preoccupazione per i pericoli dei Large Language Models. La ricerca, caratterizzata da eterogeneità, esplora bias rappresentazionali e allocativi nei dataset e modelli, con focus su stereotipi e sottorappresentazione
Università degli Studi di Torino

Continua a leggere questo articolo
Argomenti
Canali
InnovAttori
-

Carlsberg mappa il genoma del luppolo: cosa cambia per la birra
19 Ott 2026 -

Dalla fabbrica connessa all’AI, il percorso di innovazione delle PMI umbre
16 Ott 2026 -

Come l’ERP spinge la trasformazione organizzativa in azienda
16 Ott 2026 -

Costruzioni, comprare tecnologia è facile: farla funzionare molto meno
01 Ott 2026 -

R&D, perché anche nei team tecnici l’adozione dell’AI deve partire dalle persone
30 Set 2026























