Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Efficient and Trustworthy Machine Learning via Post-Processing
Proyek riset & pengembangan

CAREER: Efficient and Trustworthy Machine Learning via Post-Processing

Ringkasan tujuan riset

Pascapemrosesan model pembelajaran mesin diteliti untuk kompromi keadilan kelompok, ketangguhan terhadap pergeseran distribusi, dan atribusi data.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2442290Periode tercatat 2025-08-01 sampai 2030-07-31.NSF 2442290MulaiAkhir tercatat202520312025-08-012030-07-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Kerangka menyelidiki hubungan statistical parity, equalized odds, serta akurasi klasifikasi, kemudian merancang penyesuaian dengan batas mutu yang dapat dianalisis. Jalur lain menelaah generalisasi lintas domain dan penjelasan prediksi melalui pengaruh data pelatihan. Metode diuji dengan LMFlow agar pendekatan dapat diterapkan pada model besar, tanpa mengharuskan perubahan seluruh proses pelatihan dari awal.

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of Illinois at Urbana-Champaign
Program
Robust Intelligence
Periode pendanaan tercatat
2025-08-01 → 2030-07-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.