医学 AI

Update Opacity: Epistemic Accessibility and Governance Under AI System Change

更新不透明性：AI系统变更下的认知可及性与治理

Andrea Ferrario, Joshua Hatherley

机构 * Institute of Biomedical Ethics and History of Medicine, University of Zürich（伦理与医学史研究所，苏黎世大学） ； SUPSI, Dalle Molle Institute for Artificial Intelligence (IDSIA)（SUPSI，达勒莫利人工智能研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Center for Philosophy of AI, University of Copenhagen（人工智能哲学中心，哥本哈根大学） 纠错

专题命中 其他医学AI ：medical AI(abstract)

AI总结 针对AI系统更新导致用户难以理解输出变化的问题，提出结合欧盟AI法案和机器学习运营的治理框架，通过可信度画像和阈值披露实现更新透明化。

Make Mechanistic Interpretability Auditable: A Call to Develop Guidelines via Continuous Collaborative Reviewing

使机制可解释性可审计：呼吁通过持续协作评审制定指南

Michael Lan, Narmeen Fatimah Oozeer, Chaithanya Bandi, Philip Quirke, Austin Meek, Fazl Barez, Amirali Abdullah

机构 * University of Delaware（德克萨斯大学） ； University of Oxford（牛津大学） ； ThoughtWorks 纠错

专题命中 其他医学AI ：medical AI(abstract)

AI总结 针对机制可解释性（MI）实验缺乏标准化审计系统的问题，提出通过持续协作评审平台、专家验证指南和基于来源的审计系统来建立可审计框架，以提升其在AI安全等高风险领域的可信度。

Comments Accepted at ACL 2026 main conference