模型与数据卡片的自动生成：迈向负责任AI的一步
Automatic Generation of Model and Data Cards: A Step Towards Responsible AI
AI总结：
针对人工生成的AI模型与数据卡片信息不完整的问题，研究提出基于大语言模型的自动生成方法，构建了CardBench数据集并开发含两步检索的CardGen流水线，提升了卡片质量，推动负责任AI文档实践。
摘要：
在机器学习/人工智能领域模型与数据激增、开源技术快速发展的时代，人们迫切需要标准化、一致性的文档记录。本研究针对当前人工生成的模型与数据卡片存在的信息不完整问题，提出了一种利用大语言模型（LLMs）的自动生成方法。核心贡献包括构建了CardBench（一个由超过4800个模型卡片和1400个数据卡片聚合而成的综合数据集），以及开发了包含两步检索流程的CardGen流水线。该方法生成的模型与数据卡片在完整性、客观性和忠实度上均有提升，是负责任AI文档实践的重要一步，可确保更好的问责性与可追溯性。
英文摘要：
In an era of model and data proliferation in machine learning/AI especially marked by the rapid advancement of open-sourced technologies, there arises a critical need for standardized consistent documentation. Our work addresses the information incompleteness in current human-generated model and data cards. We propose an automated generation approach using Large Language Models (LLMs). Our key contributions include the establishment of CardBench, a comprehensive dataset aggregated from over 4.8k model cards and 1.4k data cards, coupled with the development of the CardGen pipeline comprising a two-step retrieval process. Our approach exhibits enhanced completeness, objectivity, and faithfulness in generated model and data cards, a significant step in responsible AI documentation practices ensuring better accountability and traceability.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
