Improving synthetic data quality for safe AI engineering applying GenAI

Hoemann, Elena und Hallerbach, Sven (2024) Improving synthetic data quality for safe AI engineering applying GenAI. Quantifying Simulation Quality, 2024-09-10 - 2024-09-11, Düsseldorf, Deutschland.

PDF
2MB

elib-URL des Eintrags:

https://elib.dlr.de/206844/

Dokumentart:

Konferenzbeitrag (Vortrag)

Titel:

Improving synthetic data quality for safe AI engineering applying GenAI

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Hoemann, Elena	elena.hoemann (at) dlr.de	https://orcid.org/0000-0001-9315-548X	NICHT SPEZIFIZIERT
Hallerbach, Sven	Sven.Hallerbach (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

2024

Referierte Publikation:

Nein

Open Access:

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

AI Engineering; Simulation; AI Safety; GenAI

Veranstaltungstitel:

Quantifying Simulation Quality

Veranstaltungsort:

Düsseldorf, Deutschland

Veranstaltungsart:

nationale Konferenz

Veranstaltungsbeginn:

10 September 2024

Veranstaltungsende:

11 September 2024

Veranstalter :

ASAM/HSD

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Verkehr

HGF - Programmthema:

Straßenverkehr

DLR - Schwerpunkt:

Verkehr

DLR - Forschungsgebiet:

V ST Straßenverkehr

DLR - Teilgebiet (Projekt, Vorhaben):

V - V&V4NGC - Methoden, Prozesse und Werkzeugketten für die Validierung & Verifikation von NGC

Standort:

Rhein-Sieg-Kreis

Institute & Einrichtungen:

Institut für KI-Sicherheit

Hinterlegt von:

Hoemann, Elena

Hinterlegt am:

30 Sep 2024 08:34

Letzte Änderung:

30 Sep 2024 08:34

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags