Key points are not available for this paper at this time.
AI 시스템의 설명 가능성과 투명성은 부인할 수 없을 만큼 중요하며, 이를 다루는 여러 연구와 도구들이 개발되고 있습니다. 기존 연구들은 AI 공급망의 다양한 이해관계자들이 각기 다른 요구와 설명 가능성 및 투명성의 측면을 고려한다는 점을 충분히 반영하지 못했습니다. 본 논문에서는 이러한 중요한 개념들을 LLM 맥락에서 재고할 필요성을 주장합니다. 이를 위해 71명의 다양한 이해관계자들과 함께 질적 연구를 수행하여 이 개념들에 대한 지배적인 인식과 요구를 탐구했습니다. 본 연구는 LLM을 위한 설명 가능성과 투명성에서 '누구(who)'를 탐구하는 것이 중요함을 확인할 뿐만 아니라, 자주 잊혀지는 이해관계자와 그들의 정보 요구를 드러내며 이를 수행하는 최선의 방법에 대해 성찰합니다. 우리의 통찰은 연구자와 실무자들이 설명 가능성과 투명성 고려에서 '누구(who)', 정보 요구에 대한 '무엇(what)', 그리고 왜 그것들이 필요한지에 대해 동시에 명확히 하여 LLM 공급망 전반에 걸친 책임 있는 설계와 개발을 보장해야 함을 시사합니다.
Building similarity graph...
Analyzing shared references across papers
Loading...
Agathe Balayn
Lorenzo Corti
Fanny Rancourt
Building similarity graph...
Analyzing shared references across papers
Loading...
Balayn 외(Sat,)가 이 질문을 연구했습니다.
www.synapsesocial.com/papers/68e686d2b6db64358760fea0 — DOI: https://doi.org/10.48550/arxiv.2405.16311
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: