Kunstmatige intelligentie roept diepgaande morele vragen op — die de hele mensheid moet beantwoorden

Moderne aanbevelingssystemen vertrouwen steeds vaker op het dynamisch routeren van uiteenlopende zoekopdrachten naar meerdere embeddingmodellen. Ondanks het praktische belang is dit probleem nog slecht begrepen onder realistische omstandigheden zoals vijandige queries, bandit-feedback en beperkte waarneembaarheid van modellen. We formaliseren embeddingmodel-routering als een adversariële contextuele lineaire bandit met laag-rang-experts, waarbij contexten queries zijn, acties items zijn, en